ارزیابی مدل‏های خطی و غیرخطی در پیش‏بینی شاخص قیمت سهام در بورس اوراق بهادار تهران

محورهای موضوعی : اقتصاد مالی

علی اکبر خسروی نژاد ¹ (استادیار اقتصاد، دانشکده اقتصاد و حسابداری دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران)
مرجان شعبانی صدر پیشه ² (کارشناسی ارشد برنامهریزی سیستمهای اقتصادی، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران.)

تاریخ دریافت : 1393/01/19 تاریخ پذیرش : 1393/03/17 تاریخ انتشار : 1393/06/15

کلید واژه: سری‌های زمانی, پیش‏بینی, شبکه‌های عصبی مصنوعی طبقه بندی JEL : E37, C22, C45,

چکیده مقاله :

باتوجه به تاثیر بازار بورس در تامین مالی و توسعه کشور، یافتن روشی مناسب برای پیش بینی بازار سهام اهمیت بسیاری دارد. به دلیل امکان وجود روابط غیرخطی در بازارهای مالی، هدف این مقاله، ارزیابی قدرت پیش بینی مدل های خطی و غیرخطی در بازار سهام است. ابتدا با استفاده از مدل سری های زمانی و شبکه عصبی مصنوعی[i]، متغیر هفتگی شاخص قیمت سهام در بورس اوراق بهادار تهران در سال های 83 تا 87 برآورد شده و سپس قدرت پیش بینی دو مدل در سال های 87 تا 89 آزمون شده است. نتایج، بیانگر عدم اختلاف معنی دار دو مدل می باشد [i]. Artifitial Neural Network

منابع و مأخذ:

 

فهرست منابع

1)    اندرس، و.، ‌1389، اقتصادسنجی سری‏های زمانی با رویکرد کاربردی، جلد اول، ترجمه دکتر مهدی صادقی شاهدانی، سعید شوال پور، انتشارات دانشگاه امام صادق.

2)    جانستون، ج.، دیناردو، ج.، 1389، روش‌های اقتصادسنجی، ترجمه: اهرابی، فریدون، خسروی‏نژاد، علی‏اکبر، انتشارات نورعلم.

3)    حسینی مقدم، ر.، 1387، بازارگردانی(در بازار اوراق بهادار)، انتشارات جنگل.

4)    خالوزاده، ح.، 1377، مدل سازی غیرخطی و پیش‌بینی رفتار قیمت سهام در بازار بورس تهران،‌ پایان‏نامه دوره دکتری مهندسی برق- کنترل و سیستم، دانشگاه تربیت مدرس.

5)    سینایی، ح.، مرتضوی، س.، تیموری اصل، ی.، 1384، پیش‏بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه‏های عصبی مصنوعی، بررسی‏های حسابداری و حسابرسی، شماره 41، ص 74-60.

6)    قدیمی، م.ر.، مشیری، س.، 1381، مدل‏سازی و پیش‏بینی رشد اقتصادی در ایران با استفاده از شبکه‏های عصبی مصنوعی، فصلنامه پژوهش‏های اقتصادی ایران، شماره 12.

7)    مرزبان، ح.، اکبریان، ر.، جواهری، ب.، 1383، یک مقایسه بین مدل‌های اقتصادسنجی ساختاری، سری زمانی و شبکه عصبی برای پیش‌بینی نرخ ارز،‌ مجله تحقیقات اقتصادی، شماره 69.

8)    منهاج، م.ب.، 1388، مبانی شبکه‏های عصبی، انتشارات دانشگاه صنعتی امیرکبیر، جلد اول.

9)    نمازی، م.، 1382، بررسی عملکرد اقتصادی بازار بورس اوراق بهادار در ایران، انتشارات ‌معاونت امور اقتصادی وزارت امور اقتصادی و دارایی.

10)   Box, G.E.P., Jenkins, G.M., 1976, Time Series Analysis, Forecasting and Control.

11)   Clarke, J., Jandik, T., Mandelker, G., 2000, The Efficient Markets Hypothesis, PP: 4-6.

12)   Egeli, B., Ozturan, M., Badur, B., 2003, Stock Market Prediction Using Artificial Neural Networks.

13)   Fama, E., 1970, Efficient Capital Markets: A Review of Theory and Empirical Work.

14)   Franses, Ph., Dijk, D., 2003, Nonlinear Time Series Models in Empirical Finance, PP:157-170.

15)   Giovanis, E., 2009, Application of ARCH-GARCH models and feedforward neural networks with Bayesian regularization in Capital Asset Pricing Model: The case of two stocks in Athens exchange stock market.

16)   Górecka, A., Szmit, M., 2000, Exchange Rates Prediction by Arima and Neural Networks Models.

17)   Kasabov, N., 1998, Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering, PP: 84-89.

18)   Khan, A., Ikram, S., 2010, Testing Semi-Strong form of efficient market hypothesis in relation to the impact of foreign institutional investors’ (FII’s) investments on Indian capital market, International Journal of Trade, Economics and Finance, P: 374.

19)   Lawrence, R., 1997, Using Neural Networks to Forecast Stock Market Prices, PP: 1-12.

20)   LeRoy, S., 1989, Efficient Capital Markets and Martingales, Journal of Economic Literature, PP: 1583-1621.

21)   Schwartz, R.A., Whitcomb, D. K., 1977, Evidence on the Presence and Causes of Serial Correlation in Market Model Residuals, Journal of Financial and Quantitative Analysis, PP: 291-313.

22)   Seiler, M., Rom, W., 1997, A Historical Analysis Of Market Efficiency: Do Historical Returns Follow A Random Walk? PP: 50-51.

23)   Tan, Ch., 2009, Financial Time Series Forecasting Using Improved Wavelet Neural Network, P: 13.

24)   Timmermann, A., Granger, W.J., 2004, Efficient market hypothesis and forecasting, International Journal of Forecasting, PP: 15-27.

25)   Thomaidis, N., 2007, Efficient Statistical Analysis of Financial Time-Series using Neural Networks and GARCH models, PP: 2-6.

26)   Tsay, R. S., 2002, Analysis of Financial Time Series, PP: 93-98