در این پژوهش مدل هستون برای توصیف پویایی قیمت سهام استفاده و سپس بطور تجربی و تئوریکی رفتار گله ای در بورس اوراق بهادار تهران با روش متوسط مدت زمان ماندگاری بحث می شود و تخمین پارامتر در مدل هستون با داده های مالی واقعی بررسی و جزئیات آماری از بازده های قیمت سهام بحث می چکیده کامل
در این پژوهش مدل هستون برای توصیف پویایی قیمت سهام استفاده و سپس بطور تجربی و تئوریکی رفتار گله ای در بورس اوراق بهادار تهران با روش متوسط مدت زمان ماندگاری بحث می شود و تخمین پارامتر در مدل هستون با داده های مالی واقعی بررسی و جزئیات آماری از بازده های قیمت سهام بحث می شود. نمودارهای متوسط مدت زمان ماندگاری بازده مثبت در مقابل دامنه یا برگشت به میانگین نوسانات، یک پدیده رفتارگله واری همبستگی متقابل مثبت میان منابع نوسانات تصادفی ساده داده ها ازمدل هستون را نشان می دهد. همچنین برای یک همبستگی متقاطع منفی، یک پدیده رفتار گله واری د رنمودارهای میانگین مدت زمان ماندگاری بازده مثبت درمقابل واریانس طولانی مدت با افزایش دامنه یا برگشت به میانگین نوسانات قابل مشاهده است.هنگامی که به میانگین مدت زمان ماندگاری بازده مثبت توجه می شود بعنوان تابعی از دامنه تغییرپذیری نوسانات c ، پدیده رفتار گله ای برای یک همبستگی متقاطع مثبت میان فرآیندهای وینر از قیمت سهام و نوسانات ( ג >0) وجود دارد. هنگامی که به میانگین مدت زمان ماندگاری بازده مثبت بعنوان یک تابعی از برگشت میانگین a توجه می شود، پدیده رفتارگله ای برای ارزشهای bوc تحت ג >0 وجوددارد. باافزایش a یا c یک پدیده رفتار گله ای را تحت ג<0 تحمیل می کند هنگامی که میانگین مدت زمان ماندگاری بازده مثبت بعنوان یک تابعی از برگشت میانگین b توجه می شود.
پرونده مقاله
در این تحقیق حافظه بلندمدت شاخص بورس و نرخ ارز (دلار) با استفاده از تحلیل نوسانات روندزدایی شده مورد برآورد قرار گرفت. به منظور روندزدایی داده ها، رویکرد گارچ پیشنهاد شد و الگوی برآورد حافظه بلندمدت برای هر دو روش متداول و گارچ به طور جداگانه اجرا شد. برای این منظور از چکیده کامل
در این تحقیق حافظه بلندمدت شاخص بورس و نرخ ارز (دلار) با استفاده از تحلیل نوسانات روندزدایی شده مورد برآورد قرار گرفت. به منظور روندزدایی داده ها، رویکرد گارچ پیشنهاد شد و الگوی برآورد حافظه بلندمدت برای هر دو روش متداول و گارچ به طور جداگانه اجرا شد. برای این منظور از داده های روزانه شاخص بورس و نرخ دلار در بازار آزاد طی دوره 05/01/1393 تا 19/11/1399 استفاده شد. نتایج حاصل از پژوهش نشان میدهد که روش متداول در محاسبه نوسانات روندزدایی شده، قابلیت برآورد حافظه بلندمدت نرخ ارز را ندارد، در حالی که نتایج آن برای شاخص بورس نشان از وجود حافظه کوتاه مدت داشت. نتایج نشان میدهد که روش پیشنهادی در روندزدایی داده ها و محاسبه نوسانات روندزدایی شده مبتنی بر مدل گارچ، از توان بالاتری در کنترل تغییرات نوسانات بازار دارد و طبق یافته های این روش، شاخص بورس و نرخ دلار دارای حافظه بلندمدت بوده اند. همچنین نتایج نشان میدهد که این دو روش برآوردهای به طور معنادار متفاوتی از حافظه بلندمدت بازار ارائه می دهند و طبق نتایج آزمون همبستگی بین مقادیر حافظه بلندمدت داده ها و مقدار پارامتر q در تحلیل نوسانات روندزدایی شده، مشاهده شد که شاخص بورس و نرخ ارز در ایران دارای خاصیت چندبخشی هستند.
پرونده مقاله
بازار سرمایه به عنوان بستر تعاملات مالی و سرمایه گذاری، نیازمند توجه و نظارت کافی می باشد. چرا که نقایص موجود در فاکتورهای زیربنایی آن نظیر کارایی، قانون گذاری و آموزش سرمایه گذاران موجب پدیدار شدن انحرافاتی مثل حباب میشوند. به طور خلاصه می توان حباب را یک افزایش شدید چکیده کامل
بازار سرمایه به عنوان بستر تعاملات مالی و سرمایه گذاری، نیازمند توجه و نظارت کافی می باشد. چرا که نقایص موجود در فاکتورهای زیربنایی آن نظیر کارایی، قانون گذاری و آموزش سرمایه گذاران موجب پدیدار شدن انحرافاتی مثل حباب میشوند. به طور خلاصه می توان حباب را یک افزایش شدید و پیوسته در قیمت یک دارایی یا مجموعهای از دارایی ها تعریف کرد که افزایش اولیه آن ناشی از انتظارات خوشبینانه است که سبب افزایش تقاضا و به دنبال آن سبب افزایش قیمت می شود و این افزایش قیمت اغلب با انتظاراتی در جهت عکس متوقف شده و با سقوط قیمت ها بحران به وجود می آید. در این تحقیق ابتدا به شناخت ماهیت حباب و علل تشکیل دهنده آن میپردازیم و سپس به کمک مدل تغییر موقعیت (رژیم سوئیچینگ) بروکس وکتساریز (2005)، نوع خاصی از حباب، یعنی حباب سفته بازانه در شاخص بورس اوراق بهادار تهران و شاخص 5 صنعت فلزات اساسی، سیمان، کانی های فلزی، خودرو و ساخت کک و فرآورده های حاصل از تصفیه نفت، طی سال های 1383 تا 1387 تشخیص داده شده است. عوامل کلیدی در تشخیص این نوع حباب، سایز نسبی حباب و حجم غیرعادی معاملات میباشند.
پرونده مقاله
هدف این مقاله بررسی افزایش حجم معاملات اختیار فروش تبعی در بازار اوراق بهادار تهران بر اثر افزایش بازده سهام و نوسان شاخص بورس می باشد. تعداد 32 شرکتی که اقدام به انتشار اوراق اختیار فروش تبعی طی سال های 1391 تا 1394 نموده اند به عنوان جامعه پژوهش انتخاب شده و مورد بررس چکیده کامل
هدف این مقاله بررسی افزایش حجم معاملات اختیار فروش تبعی در بازار اوراق بهادار تهران بر اثر افزایش بازده سهام و نوسان شاخص بورس می باشد. تعداد 32 شرکتی که اقدام به انتشار اوراق اختیار فروش تبعی طی سال های 1391 تا 1394 نموده اند به عنوان جامعه پژوهش انتخاب شده و مورد بررسی قرار گرفتند. بر اساس یافتههای پژوهش و نتایج تحلیلهای آماری، اگر بازده سهام این شرکت ها مطلوب و مثبت باشد به علت وجود ریسک بالا در سرمایهگذاری، سهامداران تمایل بیشتری به انجام معامله و ورود به بازار اوراق اختیار فروش تبعی در بورس اوراق بهادار تهران دارند و درنتیجه سهام خود را هرچند با انتظار بازده مثبت در قبال ریسک ناشی از سرمایهگذاری بیمه خواهند کرد. اما اگر نوسان شاخص بورس زیاد باشد به معنی افزایش ریسک بازار خواهد بود که در چنین حالتی سهامداران با وجود ریسک بالا تمایل به ورود به بازار اوراق اختیار فروش تبعی نخواهند داشت.
پرونده مقاله
بورسهای اوراق بهادار به عنوان نبض اقتصاد جامعه مطرح هستند. داشتن بورس پویا و رو به رشد به توسعه اقتصادی کشور کمک شایانی مینماید. بورسهای اوراق بهادار از دو بعد داخلی و بینالمللی قابل بررسی میباشند. اثرات اخبار خوب و بد داخلی و شوکها و نوسانات جهانی ازجمله عوامل مؤ چکیده کامل
بورسهای اوراق بهادار به عنوان نبض اقتصاد جامعه مطرح هستند. داشتن بورس پویا و رو به رشد به توسعه اقتصادی کشور کمک شایانی مینماید. بورسهای اوراق بهادار از دو بعد داخلی و بینالمللی قابل بررسی میباشند. اثرات اخبار خوب و بد داخلی و شوکها و نوسانات جهانی ازجمله عوامل مؤثر بر نرخ بازدهی شاخص قیمت بورس اوراق بهادار میباشد. در این مطالعه با استفاده از اطلاعات شاخص بورسهای تهران، استانبول و دوبی از فروردین 1390 تا فرودین 1393، به بررسی اثرگذاری اخبار خوب و بد و شوکها و نوسانات بینالمللی با استفاده از الگوهای GARCH تک متغیره و چند متغیره (BEKK)پرداخته شده است. نتایج نشان میدهد که اخبار خوب و بد، شوکها و نوسانات بازار مالی دبی اثرات معنیداری بر شاخص بورس اوراق بهادار تهران دارد.
پرونده مقاله
تلاش در جهت بهبود روشهای تجزیه و تحلیل سهام،به ویژه در بازارهایی که شمار سهام درآنها بسیار بالاست، منجر به پدید آمدن روشهای نوینی گردیده که در کنار روشهای گذشته درصدد یافتن پاسخی برای میل به حداکثر سازی سود فرد در بازارهای مالی میباشند. در این پژوهش به منظور بهینه س چکیده کامل
تلاش در جهت بهبود روشهای تجزیه و تحلیل سهام،به ویژه در بازارهایی که شمار سهام درآنها بسیار بالاست، منجر به پدید آمدن روشهای نوینی گردیده که در کنار روشهای گذشته درصدد یافتن پاسخی برای میل به حداکثر سازی سود فرد در بازارهای مالی میباشند. در این پژوهش به منظور بهینه سازی سبد سهام از شاخص بورس تهران و ارزش فروش - حقیقی - بورس (میلیارد ریال) از فروردین سال ۱۳۸۷ تا فروردین سال ۱۳۹۷ استفاده شده است. به منظور بهینه سازی سبد سهام از الگوریتم جستجوی ممنوعه و فروشنده دوره گرد استفاده شده است. برای شاخص بورس در سناریو اول تکرار ۱۰۰ و طول ۰.۵ بهترین جواب را ارائه میدهد. برای ارزش فروش - حقیقی - بورس در سناریو اول تکرار ۱۰۰ و طول ۰.۵ بهترین جواب را ارائه میدهد. با توجه به جستجو محور بودن الگوریتمهای مورد بررسی تعداد تکرارهای بیشتر در سناریوهای مختلف بهترین جواب را ارائه میدهد که طول جستجو تاثیر چندانی در بهترین جواب نداشته و معیار تعداد تکرار برتری بیشتری دارد. براساس نتایج مشخص است که در اوایل سالهای بررسی با سیر صعودی شاخص تعداد نقاط سود دهی دارای تراکم بیشتر و فشرده تر است ولی با گذشت زمان سیر نزولی شاخص و افزایش فروش میزان سود دهی با تراکمهای کمتر پیشنهاد شده است.
پرونده مقاله
چکیده
بررسی اثر نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران از اهمیت بالایی برخوردار است چراکه با افزایش نااطمینانی در قیمت نفت ریسک سیستماتیک شاخص بورس افزایش مییابد. از طرفی در کشورهای صادرکننده نفت همچون ایران، درآمدهای نفتی از جمله موارد مهم و تأثیرگذار در چکیده کامل
چکیده
بررسی اثر نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران از اهمیت بالایی برخوردار است چراکه با افزایش نااطمینانی در قیمت نفت ریسک سیستماتیک شاخص بورس افزایش مییابد. از طرفی در کشورهای صادرکننده نفت همچون ایران، درآمدهای نفتی از جمله موارد مهم و تأثیرگذار در متغیرهای کلان اقتصادی و بالتبع شاخصهای بازارهای مالی است. پژوهش حاضر به بررسی اثر نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران با بهره گیری از مدل اقتصادسنجی رگرسیون کوانتایل مبتنی بر تبدیل موجک (MODWT-MRA) طی بازه زمانی فروردین ۱۳۹۰ الی فروردین ۱۴۰۰ در ایران می پردازد. نتایج حاصل از تخمین مدل نشان داد که با افزایش نااطمینانی قیمت نفت، شاخص بورس اوراق بهادار تهران کاهش خواهد یافت. مطابق با نتایج، اثر نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران در چندکهای ابتدایی دارای ضریب کوچکتری نسبت به چندکهای انتهایی است لذا اثر منفی نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران در ماههای اخیر بازه زمانی موردمطالعه بیشتر از ماههای اولیه است. همچنین مقدار ضریب در مقیاس جزء ۵ بسیار بیشتر از مقیاس جزء ۱ هست؛ لذا اثر منفی نااطمینانی قیمت نفت بر شاخص بورس اوراق بهادار تهران در کوتاهمدت بسیار بیشتر از مقدار این اثر در بلندمدت است. علت این امر این است که در بلندمدت، سرمایهگذار خود را با نااطمینانی به وجود آمده تطبیق خواهد داد
پرونده مقاله
چکیدهاز زمانی که بازار سهام در قرن نوزدهم ایجاد شد بسیاری از پژوهشگران به پژوهش بر روی مدلهای پیشبینی قیمت سهام و بازده بازار تمرکز کردهاند. مدلهای پیشبینی آماری مانند ارما، اریما، آرچ، بهطور گسترده بکار برده شدهاند اما هیچکدام نتیجه مطلوب نداشتهاند؛ بنابراین ا چکیده کامل
چکیدهاز زمانی که بازار سهام در قرن نوزدهم ایجاد شد بسیاری از پژوهشگران به پژوهش بر روی مدلهای پیشبینی قیمت سهام و بازده بازار تمرکز کردهاند. مدلهای پیشبینی آماری مانند ارما، اریما، آرچ، بهطور گسترده بکار برده شدهاند اما هیچکدام نتیجه مطلوب نداشتهاند؛ بنابراین اخیراً بسیاری از پژوهشگران بازار سهام را بهعنوان یک سیستم پویای غیرخطی در نظر گرفتهاند. کاربرد مدلهای غیرخطی و همچنین تکنیکهای پیشـرفته اگرچه سـالهای زیادی نیست که شروعشده است ولی در همین مدتزمان کـم توانسته است، جایگاه خود را در علوم مختلف باز کند. هدف از این مطالعه پیشبینی شاخص بورس با استفاده از مدل پویای میانگینگیری و نیز روش مدل پویای انتخابی و استفاده از دادههای فصلی سالهای 1380-1399 و بهکارگیری نرمافزار متلب میباشد. مزیت اصلی مدل مورداستفاده در مطالعه حاضر ورود تعداد زیادی متغیر مستقل به جهت پویایی آن است بدون اینکه مشکل معمول برازش بیشازحد در مدل ظاهر شود. در این مقاله اثر برخی متغیرهای کلان اقتصادی بر فرآیندِ مدلسازی و تخمین بازده سهام بورس اوراق بهادار بررسی شد. نتایج مقاله نشان داد که احتمال ورود متغیرهای رشد حجم پول، رشد شبه پول، تورم، رشد شاخص قیمت زمین درشهرهای بزرگ بیشتر از سایر متغیرهای ورودی است
پرونده مقاله
در سالهای اخیر، توسعهی پردازندههای کامپیوتری موجب معرفی الگوریتمهای جدیدی برای پیشبینی دادههای مالی شده است که یکی از این الگوریتمها، یادگیری ماشین (Machine Learning) است. از اینرو در پژوهش حاضر به معرفی یک مدل ترکیبی از شبکه یادگیری عمیق (Deep Learning) و مدلها چکیده کامل
در سالهای اخیر، توسعهی پردازندههای کامپیوتری موجب معرفی الگوریتمهای جدیدی برای پیشبینی دادههای مالی شده است که یکی از این الگوریتمها، یادگیری ماشین (Machine Learning) است. از اینرو در پژوهش حاضر به معرفی یک مدل ترکیبی از شبکه یادگیری عمیق (Deep Learning) و مدلهای منتخب خانواده GARCH جهت پیشبینی کوتاهمدت بازدهی روزانه شاخص کل بورس اوراق بهادار تهران پرداخته میشود. مهمترین ویژگی شبکه یادگیری عمیق در این است که بدون محدود بودن به مدلهای معین، میتواند خود را با نوسانات متغیرهای بازار هماهنگ و تعدیل نماید. در این پژوهش از میان مدلهای شبکه یادگیری عمیق، شبکه عصبی بازگشتی مبتنی بر حافظه کوتاهمدت و بلندمدت (RNN-LSTM) انتخاب و از مدلهای دارای حافظهکوتاه مدت GARCH و EGARCH در ساختار آن استفاده میشود. همچنین دو متغیر مستقل قیمت نفت و نرخ دلار در ساختار مدل ترکیبی، کمک فراوانی به آن در پیشبینی دقیقتر دادههای مالی میکند. نتایج تحقیق نشان میدهد که مدلهای ترکیبی دقت پیشبینی بالاتری نسبت به مدلهای تکی دارند. همچنین براساس معیارهای ارزیابی خطای پیشبینی RMSE و MAPE، مدل RNN-LSTM-EGARCH برپایه توزیع GED دارای خطای پیشبینی کمتری نسبت به 23 مدل دیگر دارد. در این راستا، معیار بررسی صحت پیشبینی دیبولد-ماریانو (DM) نیز یافتههای فوق را تایید میکند.
پرونده مقاله
شاخص بورس یکی از عوامل مؤثر در سرمایه گذاری محسوب می شود. زیرا می تواند نشان دهنده وضعیت سلامت و روند تغییرات کلان اقتصادی یک کشور باشد. ویژگیهای متنوعی بر شاخص تأثیر می گذارند. ترکیبهای مختلف این ویژگی ها، یک فضای حالت گسترده ایجاد می کنند. از این رو، فراهم کردن یک مجم چکیده کامل
شاخص بورس یکی از عوامل مؤثر در سرمایه گذاری محسوب می شود. زیرا می تواند نشان دهنده وضعیت سلامت و روند تغییرات کلان اقتصادی یک کشور باشد. ویژگیهای متنوعی بر شاخص تأثیر می گذارند. ترکیبهای مختلف این ویژگی ها، یک فضای حالت گسترده ایجاد می کنند. از این رو، فراهم کردن یک مجموعه داده شامل همه این ترکیبها برای آموزش مدل پیش بینی شاخص بورس، غیرعملی است. در این پژوهش تلاش شده است پس از جمع آوری تعداد قابل توجهی از ویژگیهای مؤثر بر شاخص، روشی برای انتخاب ویژگیهای مناسب مدل پیش بینی شاخص بورس با هدف افزایش دقت پیش بینی ارائه شود. بدین منظور، از الگوریتم mRMR به عنوان الگوریتم پایه استفاده شده است. همچنین برای انتخاب مدل مناسب، به مقایسه تعدادی از پرکاربردترین مدلهای هوش مصنوعی در پیش بینی شاخص بورس اقدام شد و با توجه به نتایج حاصل شده، شبکه LSTM برای پیش بینی شاخص بورس انتخاب گردید. نتایج این مطالعه نشان می دهد که با استفاده از شبکه LSTM و روش پیشنهادی در گزینش ویژگیها، می توان با 8 ویژگی انتخابی به دقت بالایی در پیش بینی روزانه شاخص کل بورس اوراق بهادار تهران دست یافت. بطوری که میانگین درصد خطا حدود 2.66 محاسبه شده است.
پرونده مقاله
در اقتصاد جهانی، قیمت نفت به عنوان یکی از شاخصهای اصلی تغییرات نرخ ارز مورد توجه قرار گرفته است. این اهمیت به دلیل معاملات بینالمللی نفت با دلار آمریکا صورت میپذیرد. مقاله حاضر رابطه پویایی میان قیمت نفت، طلا و شاخص بورس ایران در بازه زمانی 1370 تا 1401 با الگوی SVAR چکیده کامل
در اقتصاد جهانی، قیمت نفت به عنوان یکی از شاخصهای اصلی تغییرات نرخ ارز مورد توجه قرار گرفته است. این اهمیت به دلیل معاملات بینالمللی نفت با دلار آمریکا صورت میپذیرد. مقاله حاضر رابطه پویایی میان قیمت نفت، طلا و شاخص بورس ایران در بازه زمانی 1370 تا 1401 با الگوی SVAR-DCC-GARCH بررسی میکند. نتایج نشان میدهد افزایش رشد شاخص سهام ممکن است قیمت طلا را افزایش دهد، اما تأثیری بر بازار نفت ندارد. افزایش در بازار طلا و نفت تأثیر قابل توجهی در بازار سهام ایران ندارد و جالب است که ارتباط مشخصی میان بازار نفت و طلا وجود ندارد. این نتایج در طول نوسانات زمانی تغییر میکنند. در نهایت، با استفاده از الگوی SVAR-DCC-GARCH، این مقاله به تحلیل رابطه پویایی بین قیمت نفت، طلا و شاخص بورس در اقتصاد ایران میپردازد و نتایج نشان میدهد که این رابطه در شرایط مختلف با عنصر زمان تغییر میکند، که موجب فهم بهتر از تأثیر تغییرات در این شاخصها بر اقتصاد ایران خواهد شد.
پرونده مقاله
تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیشبینی بازده شاخص هستیم. بدین منظور از چکیده کامل
تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیشبینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شدهاند. نوع آزمون عملکرد شبکه های عصبی بر اساس حداقل مربعات خطا در دو رویکرد درون نمونهای و برون نمونه ای بکار گرفته شده است. نتایج این پژوهش در رویکرد درون نمونه ای برتری شبکه عصبی شعاع پایه و در رویکرد برون نمونه ای برتری شبکه عصبی پرسپترون را نمایش می دهد.
پرونده مقاله
پیش بینی و لحاظ حافظه بلند مدت در سریهای زمانی یکی از با اهمیت ترین موضوعات در بازارهای مالی است که در پیش بینی تلاطم و ارزش در معرض ریسک کاربردهای وسیعی دارد. ارزش در معرض ریسک یکی از معروفترین ابزارهای ارزیابی ریسک در مدیریت مالی است. در این مقاله برای دو سری زمانی شا چکیده کامل
پیش بینی و لحاظ حافظه بلند مدت در سریهای زمانی یکی از با اهمیت ترین موضوعات در بازارهای مالی است که در پیش بینی تلاطم و ارزش در معرض ریسک کاربردهای وسیعی دارد. ارزش در معرض ریسک یکی از معروفترین ابزارهای ارزیابی ریسک در مدیریت مالی است. در این مقاله برای دو سری زمانی شاخص بورس اوراق بهادار تهران و شاخص فرابورس ایران در بازه زمانی مهر ماه 1387 تا بهمن ماه 1393 از مدلهای خانواده GARCHاستفاده گردیده است. نتایج حاکی از وجود اثرات نامتقارن در بازدهی هر دو سری زمانی مورد بررسی است. برای ارزیابی پیش بین و ارزش در معرض ریسک از معیارهای کمترین خطا و آزمونهای آماری برای ارزیابی کفایت مدلهای برآورد کننده ارزش در معرض ریسک استفاده شده است. نتایج این پژوهش نشان می دهد که لحاظ اثرات نامتقارن در سریهای بازدهی و همچنین اثرات حافظه بلندمدت منجر به بهبود پیش بینی تلاطم و ارزش در معرض ریسک این دو سری زمانی می گردد.
پرونده مقاله
هدف اصلی این مطالعه، بررسی و شناخت متغیرهای اصلی تاثیرگذار بر شاخص کل بورس اوراق بهادار تهران و مدلسازی آن با استفاده از شبکه های عصبی مصنوعی و مقایسه نتایج حاصله با تحلیل تکنیکال و موجهای الیوت است. متغیرهای توضیحی به کار رفته در مدل تحقیق: نرخ ارز، تورم، بیکاری، رشد چکیده کامل
هدف اصلی این مطالعه، بررسی و شناخت متغیرهای اصلی تاثیرگذار بر شاخص کل بورس اوراق بهادار تهران و مدلسازی آن با استفاده از شبکه های عصبی مصنوعی و مقایسه نتایج حاصله با تحلیل تکنیکال و موجهای الیوت است. متغیرهای توضیحی به کار رفته در مدل تحقیق: نرخ ارز، تورم، بیکاری، رشد تولید و حجم نقدینگی بودند و متغیر هدف در این مطالعه شاخص کل بورس اوراق بهادار تهران می باشد. در این تحقیق از شبکه های عصبی GMDH و MLP و همچنین ابزارهای تحلیل تکنیکال (امواج الیوت و کانال رگرسیون) استفاده گردید. در این خصوص شبکه GMDH نشان داد که از میان متغیرهای مورد استفاده به عنوان شاخصهای کلان اقتصادی، متغیر نرخ بیکاری متغیر زائد بوده و تاثیر آن ناچیز است. اما سایر متغیرها (نرخ ارز، تورم، رشد تولید، حجم نقدینگی) اثر مضاعفی داشتند. همچنین یافته دیگر تحقیق ضمن تایید نتایج مشابه برای شبکه عصبی و تحلیل تکنیکال، حاکی از قدرت بالاتر شبکه های عصبی در پیش بینی شاخص بورس است.
پرونده مقاله
رفتار سهام و روند تغییرات آن یکی از پیچیده ترین مکانیزمهایی است که همواره مورد توجه محققان میباشد. بورس تحت تاثیر عوامل مختلف بیرونی و درونی قرار دارد. عوامل تاثیرگذار بیرونی مانند عوامل سیاسی و اجتماعی قابلیت اندازهگیری ندارند، به همین جهت برای پیشبینی روند بورس، ب چکیده کامل
رفتار سهام و روند تغییرات آن یکی از پیچیده ترین مکانیزمهایی است که همواره مورد توجه محققان میباشد. بورس تحت تاثیر عوامل مختلف بیرونی و درونی قرار دارد. عوامل تاثیرگذار بیرونی مانند عوامل سیاسی و اجتماعی قابلیت اندازهگیری ندارند، به همین جهت برای پیشبینی روند بورس، باید بر روی تاثیر عوامل درونی تمرکز نمود. در این پژوهش سیستم ترکیبی مبتنی بر شبکههای بیزین و مدل مخفی مارکوف، جهت پیشبینی روند روزانه بورس ایران پیشنهاد شده است. برای سهام هر شرکت، 6 شاخص بورس اوراق بهادار تهران که دارای بالاترین ضریب همبستگی میباشند و 22 اندیکاتور تکنیکی به عنوان متغیرهای ورودی در فاز پیشپردازش استفاده میشوند. از شبکههای بیزین جهت مشخص نمودن روابط بین متغیرها و از جداول احتمال شرطی آن برای بررسی تاثیر هر متغیر در پیشبینی استفاده میشود. در نهایت از مدل مخفی مارکوف برای پیشبینی روند بازار در مجموعه های استخراج شده از شبکه بیزین، استفاده میشود. مدل پیشنهادی بر روی سهام چهار شرکت داخلی به نام فولاد مبارکه اصفهان، ایران خودرو، بانک ملت و ایران دارو مورد بررسی قرار گرفته است. معیارهای ارزیابی در سیستم پیشنهادی، کارایی بالای این روش را نشان میدهند. بالاترین درصد صحت سیستم پیشنهادی 85.25 و متوسط درصد صحت آن 83.26 میباشد.
پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد