طراحی الگوی غیرخطی سرایت‌پذیری شاخص کل بورس اوراق بهادار تهران از بازار دارایی‌های فیزیکی (کاربردی از مدل شبکه عصبی مصنوعی NARX)

محورهای موضوعی : مهندسی مالی

مهدی شبان ¹ , حبیب اله نخعی ² , قدرت الله طالب نیا ³ , نازنین بشیری منش ⁴

1 - گروه حسابداری، واحد بیرجند، دانشگاه آزاد اسلامی، بیرجند، ایران
2 - گروه حسابداری، واحد بیرجند، دانشگاه آزاد اسلامی، بیرجند، ایران
3 - گروه حسابداری، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - گروه حسابداری،دانشکده حسابداری، واحد بیرجند، دانشگاه پیام نور، بیرجند، ایران

تاریخ دریافت : 1399/02/02 تاریخ پذیرش : 1399/04/26 تاریخ انتشار : 1400/01/01

کلید واژه: پیش‌بینی, تاخیر زمانی, شبکه عصبی مصنوعی پویا, بورس اوراق بهادر تهران, نوسانات شرطی,

چکیده مقاله :

پژوهش حاضر به بررسی سرایت‌پذیری شاخص کل بورس اوراق بهادار تهران از قیمت دارایی‌های موازی با بکارگیری شبکه‌ عصبی مصنوعی پویا می‌پردازد. برای انجام محاسبات، سری‌زمانی قیمت سکه تمام بهار آزادی(نماینده بازار‌ طلا)، قیمت هر متر مربع ساختمان مسکونی(نماینده بازار مسکن)، قیمت هر بشکه نفت خام ایران و نرخ دلار آمریکا در برابر ریال و نوسانات شرطی آن‌ها به عنوان متغیرهای ورودی و شاخص کل بورس اوراق بهادار تهران و نوسان شرطی آن به عنوان متغیر هدف از سال 1387 تا 1397با تواتر روزانه مورد بررسی قرار می‌گیرد. شبکه عصبی غیرخطی پویا با چهار متغیر ورودی و یک متغیر هدف با لایه‌ها و نرون‌های مختلف با معیار میانگین مجذور خطا و ضریب تعیین مورد ارزیابی قرار گرفته و مدل‌ها با دو لایه به ترتیب با 20 نرون و 10 نرون دارای حداقل میانگین مجذور خطا می‌باشند. نتایج پژوهش نشان می‌دهد بورس اوراق بهادار تهران حداکثر با دو وقفه زمانی از بازارهای رقیب سرایت‌پذیری داشته که نشان‌دهنده‌ی کارایی ضعیف بازار اوراق بهادار تهران می‌باشد. نتایج نشان می‌دهند شبکه‌‌های عصبی پیشنهادی قدرت بالایی در پیش‌بینی شاخص‌کل بورس اوراق بهادار تهران و نوسانات آن از سال 1387 تا 1397 به عنوان پیش‌بینی درون نمونه‌ای و سال 1398 به عنوان پیش‌بینی برون نمونه‌ای دارند.

چکیده انگلیسی:

The present study examines the contagiousness of the Tehran Stock Exchange from the price of parallel assets using the dynamic neural network. To perform calculations, the time series of coin price variables as a representative of the gold market, the average price per square meter of residential building as a representative of the housing market. The price of each barrel of Iranian crude oil and the US dollar exchange rate and their conditional fluctuations as explanatory variables and the total index of Tehran Stock Exchange and its conditional fluctuation as the target variable from 1387 to 1397 are examined daily .The dynamic neural network is evaluated with four input variables and one target variable with different neurons with the MSE criteria, and the models with 20 neurons and 10 neurons have the lowest MSE, .Research results show that the stock exchange has a maximum of two lag from competing markets has become contagious, indicating the poor performance of the Tehran Stock Exchange. The results show that the proposed neural network patterns have a high power in predicting the index of Tehran Stock Exchange and its fluctuations from 1387 to 1397 as in-sample forecast and in 1398 as extra-sample forecast.