فهرست مقالات آزمون کریستوفرسن

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - بررسی قدرت تبیین سنجه‌های ریسک طیفی، منسجم، انحراف و شبکه‌های عصبی مصنوعی و کاربرد آن‌ها در انتخاب سبد بهینه سرمایه گذاری در بورس اوراق بهادار تهران
  حمیدرضا کاتبی غلامرضا زمردیان
  هدف مطالعه حاضر مقایسه کارایی مدل های شبکه عصبی و سنجه‌های موجود در دسته سنجه‌های ریسک در تشکیل پرتفوی بهینه است. ابتدا اطلاعات سری زمانی مربوط به نرخ بازده شرکت های مختلف طی سال های 95-1386 از بانک‌های اطلاعاتی سازمان بورس و اوراق بهادار ایران گردآوری شده و در چارچوب م چکیده کامل

  هدف مطالعه حاضر مقایسه کارایی مدل های شبکه عصبی و سنجه‌های موجود در دسته سنجه‌های ریسک در تشکیل پرتفوی بهینه است. ابتدا اطلاعات سری زمانی مربوط به نرخ بازده شرکت های مختلف طی سال های 95-1386 از بانک‌های اطلاعاتی سازمان بورس و اوراق بهادار ایران گردآوری شده و در چارچوب مدل های شبکه عصبی و سنجه های ریسک طیفی، انحراف و منسجم با استفاده از آزمونهای کوپیک ، کریستوفرسن و لوپز مورد تجزیه و تحلیل قرار گرفته اند. از نتایج آزمونهای کوپیک و کریستوفرسن برای مدل های شبکه عصبی و CVaR مشخص گردید مقدار آماره آزمون LR برای تمامی گروه شرکت‌های تحت بررسی بزرگ‌تر از مقدار بحرانی است؛ بر این اساس نتیجه گیری شد که عملکرد مدل های شبکه عصبی و معیار CVaR در سطح معنی‌داری 5 درصد برای تمامی گروه شرکت‌ها قابل استناد می‌باشد و برای سنجه SE، آماره آزمون LR برای تمامی گروه شرکت‌ها کوچک‌تر از مقدار بحرانی است؛ که گویای آن است که عملکرد معیار SE برای تمامی گروه شرکت‌ها در سطح معنی‌داری 5 درصد قابل استناد نمی‌باشد. از سوی دیگر، بر اساس نتایج آزمون کوپیک و کریستوفرسن برای سنجه VaR نیز، مقدار آماره آزمون LR برای شش گروه شرکت بزرگ‌تر از مقدار بحرانی و برای چهار گروه شرکت کوچک‌تر از مقدار بحرانی بوده است. بر این اساس می‌توان گفت که در مدل های شبکه عصبی مصنوعی متوسط تعداد تخطی ها یا حالت استثنا در سطح معنی‌داری 5 درصد کمتر از سنجه‌های ریسک طیفی، انحراف و منسجم می‌باشد. پرونده مقاله