روش‌های پیش‌بینی بازارهای مالی در شرایط گسست ساختاری

محورهای موضوعی : آینده پژوهی

فروزنده جعفرزاده پور ¹ , امیر ناظمی ² , علیرضا اسدی ³

1 - استادیار، جامعه شناسی، پژوهشکده علوم اجتماعی، پژوهشگاه علوم انسانی و مطالعات اجتماعی جهاد دانشگاهی، تهران، ایران
2 - استادیار، گروه آینده اندیشی، مرکز تحقیقات سیاست علمی کشور، تهران، ایران
3 - دانشجوی دکتری، آیندهپژوهی، پژوهشگاه علوم انسانی و مطالعات اجتماعی جهاد دانشگاهی، تهران، ایران (نویسنده مسئول)

تاریخ دریافت : 1395/05/27 تاریخ پذیرش : 1396/06/21 تاریخ انتشار : 1396/05/01

کلید واژه: روش‌های پیش‌بینی, شکست پیش‌بینی, گسست ساختاری, بازده سهام, بازار مالی,

چکیده مقاله :

ارائه پیش‌بینی از آینده بازارهای مالی بویژه آینده روند شاخص‌های بازار بورس یکی از مباحث چالش انگیز پیش‌بینی است که بدلیل بروز گسست ساختاری در این روندها، با پدیده شکست پیش‌بینی در مدل‌های پیش‌بینی مواجه شده است. در این مقاله رویکردهای مدل سازی پیش‌بینی بازده سهام به عنوان یکی از روندهای اصلی بازار سهام، در شرایط گسست‌های ساختاری، بررسی شده و ر‌‌هیافت‌هایی که بر اساس آن می‌توان در فضای عدم قطعیت عمیق، پیش‌بینی کرد، تحلیل شده است. با توجه به این‌که هدف از این مقاله، زمینه‌یابی تحقیقات گذشته و طرح حوزه‌های جدیدی برای تحقیقات آینده در مدل سازی پیش‌بینی بازار سهام بوده است، لذا از روش مطالعه کتابخانه‌ای استفاده شده‌است. نتایج به دست آمده نشان می‌دهد که رویکردهای مدل سازی در شرایط گسست ساختاری در سه استراتژی اصلی دسته بندی می‌شوند؛ در استراتژی ایجاد محدودیت در پارامترهای مدل به کمک‌ تفسیر به دست آمده از چارچوب‌های نظری اقتصاد مالی، پارامترهای مدل تصحیح می‌شوند. در استراتژی جابه‌جایی رژیم به کمک زنجیرهای مارکوف، نقاط گسست در سری زمانی مدل سازی ‌می‌شود. در استژاژی تلفیقی از تلفیق مدل‌های کمی با داده‌های پیمایشی، وضعیت بازار سهام پیش‌بینی می‌شود. این بررسی نشان می‌دهد برای پیش‌بینی بازار سهام بورس تهران در شرایط نااطمینانی‌های محیطی، استراتژی‌های ارائه شده می توانند زمینه مناسبی برای تحقیقات آتی باشند.

چکیده انگلیسی:

Financial market forecasting particularly stock market forecasting is a considerable debate that confront to forecast failure and model break down when structural breaks in trends occur.  This paper discusses the modeling to predict stock return under structural breaks and investigate new approaches of forecasting in this condition. This study proposes a taxonomy for research area in forecasting under structural breaks to suggest further studies. We use literature survey as methodology of the research and categorizes the methods, models, and results of the recent researches in stock market forecasting. Consequently, it provides three categories of strategies to forecast stock return under structural breaks. First strategy, called economically motivated model restrictions, uses financial theories as signs to adjust the parameters of models in out-sample periods. Second strategy, known as regime shift, uses a Markov chain transition matrix to model structural breaks in time series. Third strategy applies mix of quantitative models and qualitative surveys to predict future of financial markets. The proposed strategies are applicable in Tehran stock exchange under uncertainty conditions.