-
دسترسی آزاد مقاله
1 - سرمایهگذاری مبتنی بر سبک و قابلیت پیشبینی بازده
مریم دولو حمیدرضا فرتوکزادهپژوهش حاضر به مداقه پیشبینی بازده مقطعی سهام انفرادی توسط بازده مبتنی بر سبک در بورس اوراق بهادار تهران میپردازد. آزمون قابلیت پیشبینی بازده سهام بر مبنای مدل رگرسیون فاما و مکبث (1973) و با استفاده از دادههای دوره زمانی 1380 تا 1389 صورت میگیرد. همچنین، جهت مداقه چکیده کاملپژوهش حاضر به مداقه پیشبینی بازده مقطعی سهام انفرادی توسط بازده مبتنی بر سبک در بورس اوراق بهادار تهران میپردازد. آزمون قابلیت پیشبینی بازده سهام بر مبنای مدل رگرسیون فاما و مکبث (1973) و با استفاده از دادههای دوره زمانی 1380 تا 1389 صورت میگیرد. همچنین، جهت مداقه در قابلیت پیشبینی یادشده، رابطه تغییرات مشترک بازده سهام و سبک مربوطه با تداوم نیز آزمون میگردد. برای این منظور از رویکرد تحلیل پرتفوی متکی به طبقهبندی دوگانه استفاده میگردد. نتایج حاصل از این تحقیق بر قابلیت پیشبینی بازده مقطعی آتی سهام توسط بازده مبتنی بر سبک طی دوره تشکیل 12 ماهه صحه مینهد. شواهد حاصله نشان میدهد تغییرات مشترک بازده سهام و سبک منجر به تغییر سود تداوم میگردد. یافته مذکور منحصر به دوره تشکیل 12 ماهه و افق بازده آتی یکماهه بوده و در بازدههای آتی طولانیتر (3، 6 و 12 ماه) برقرار نیست. پرونده مقاله -
دسترسی آزاد مقاله
2 - سودمندی رگرسیونهای تجمیعی و روشهای انتخاب متغیرهای پیشبین بهینه در پیشبینی بازده سهام
محمد حسین ستایش مصطفی کاظم نژادمقاله حاضر به بررسی سودمندی رگرسیونهای تجمیعی و روشهای انتخاب متغیرهای پیشبین بهینه (شامل روش مبتنی بر همبستگی و ریلیف) برای پیشبینی بازده سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میپردازد. بهمنظور ارزیابی عملکرد رگرسیون تجمیعی، معیارهای ارزیابی (شامل چکیده کاملمقاله حاضر به بررسی سودمندی رگرسیونهای تجمیعی و روشهای انتخاب متغیرهای پیشبین بهینه (شامل روش مبتنی بر همبستگی و ریلیف) برای پیشبینی بازده سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میپردازد. بهمنظور ارزیابی عملکرد رگرسیون تجمیعی، معیارهای ارزیابی (شامل میانگین قدرمطلق درصد خطا، مجذور مربع میانگین خطا و ضریب تعیین) مربوط به پیشبینی این روش، با رگرسیون خطی و شبکههای عصبی مصنوعی مقایسه شده است. همچنین به منظور ارزیابی عملکرد روشهای انتخاب متغیرهای بهینه پیشبین، معیارهای ارزیابی حاصل از پیشبینی با استفاده از متغیرهای انتخاب شده توسط این روشها با معیارهای حاصل از پیشبینی با استفاده از کلیه متغیرها مقایسه شده است. یافتههای تجربی مربوط به بررسی 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران در سالهای 1383 الی 1392 حاکی از عملکرد بهتر روش تجمیعی نسبت به رگرسیون خطی و شبکههای عصبی مصنوعی است. افزون بر این، یافتهها حاکی از آن بود که پیشبینی با استفاده از متغیرهای انتخاب شده در روشهای مبتنی بر همبستگی و ریلیف، به طور معناداری عملکرد پیشبینی را نسبت به استفاده از کلیه متغیرها افزایش میدهد. Abstract Present study investigates the usefulness of ensemble regression and feature selection methods (including correlation-based feature selection and Relief) in predicting stock returns of companies listed on Tehran Stock Exchange. For performance evaluation of ensemble regression, evaluation criteria (including mean absolute percentage error, root mean squared error and coefficient of determination) of this method compared with linear regression and artificial neural networks. Also, for performance evaluation of feature selection methods, evaluation criteria of these methods compared with using all variables. The experimental results of investigating 101 companies listed in Tehran Stock Exchange in 2004-2013 indicate that ensemble regression outperforms the linear regression and artificial neural networks. Furthermore, the results show that selected variables with correlation-based feature selection and Relief result in better prediction in compare with using all variables. Keywords: Stock Returns Prediction, Ensemble Regression, Feature Selection Methods. پرونده مقاله -
دسترسی آزاد مقاله
3 - نقش بازده مبتنی بر سبک در پیشبینی بازده آتی
لیلا صفدریان داریوش فروغی فرزاد کریمیهدف اصلی این مقاله بررسی توانایی بازده مبتنی بر سبک گذشته در پیشبینی بازده آتی در مقایسه با بازده گذشته هست. بدین منظور با تشکیل سبکها بر اساس ارزش دفتری به بازار و اندازه شرکت، با کمک دادههای 150 شرکت پذیرفتهشده در بورس اوراق بهادار تهران رابطه بین بازده مبتنی بر س چکیده کاملهدف اصلی این مقاله بررسی توانایی بازده مبتنی بر سبک گذشته در پیشبینی بازده آتی در مقایسه با بازده گذشته هست. بدین منظور با تشکیل سبکها بر اساس ارزش دفتری به بازار و اندازه شرکت، با کمک دادههای 150 شرکت پذیرفتهشده در بورس اوراق بهادار تهران رابطه بین بازده مبتنی بر سبک 6 و 12 ماه گذشته بهعنوان متغیر مستقل و بازده (6،3،1 و 12) ماه آتی بهعنوان متغیر وابسته پس از کنترل اندازه شرکت، ارزش دفتری به بازار بر مبنای مدل رگرسیون دومرحلهای فاما و مکبث (1973) آزمون شد. نتایج نشان میدهد که بازده مبتنی بر سبک 6 ماه گذشته در مقایسه با بازده 6 ماه گذشته بهتر میتواند بازده (3،1 و 6) ماه آتی را پیشبینی نماید. همچنین بین بازده مبتنی بر سبک 6 و 12 ماه گذشته و بازده (6،3،1 و 12) ماه آتی رابطه معنیداری وجود دارد. از سوی دیگر توانایی پیشبینی بازده آتی به کمک بازده مبتنی بر سبک 12 ماه گذشته بیشتر از بازده مبتنی بر سبک 6 ماه گذشته هست. The main goal of this research was to investigate the capability of past style return in predicting future return in comparison with past return.To achieve this goal, based on the book-to-market value and the company size,150 companies data listed in Tehran Stock exchange in period from 1384 to 1393 were used in the study. In this relation style return and stock return were independent variable and (1,3,6,12) future month stock returns was dependent variable. After controlling size, book-to-market value by using two stage Fama and Mack Beth Regression (1973) the data were analyzed. The result of the study indicated that the past 6 month style return can predict future return (1,3and 6) better than past 6 month return. Furthermore there was a significant relationship between the past 6 and 12 month style return and future month return (1,3,6,and 12).On the other hand,the ability to predict the future return by 12 past month style return was better than 6 past month return. پرونده مقاله -
دسترسی آزاد مقاله
4 - پیش بینی بازده سهام بر پایه توزیع کرنل و اختلاط توزیع های نرمال
غلامرضا زینلی نرگس یزدانیانمدلسازی و پیشبینی بازده سهام همواره یکی از چالشهای پیش روی محققان و سرمایهگذاران بوده است. از این رو روشها و مدلهای متفاوتی ارائه شده که اغلب آنها متکی بر مفروضاتی چون توزیع بازده بودهاند. در پژوهش حاضر پیشبینی بازده سهام بر پایه توزیع کرنل و اختلاط توزیعهای نر چکیده کاملمدلسازی و پیشبینی بازده سهام همواره یکی از چالشهای پیش روی محققان و سرمایهگذاران بوده است. از این رو روشها و مدلهای متفاوتی ارائه شده که اغلب آنها متکی بر مفروضاتی چون توزیع بازده بودهاند. در پژوهش حاضر پیشبینی بازده سهام بر پایه توزیع کرنل و اختلاط توزیعهای نرمال مورد ارزیابی قرار گرفت. برای این منظور توابع کرنل و اختلاط نرمالها و پارامترهای مربوط به آنها از طریق ماکسیممسازی تابع درستنمایی، مورد برآورد قرار گرفته و چندکهای 99%، 95% و 90% هریک از توزیعها برای 30 شرکت برتر بورس در سه ماهه چهارم سال 1398 به عنوان مقادیر پیشبینی بازده محاسبه گردید. به منظور تعیین دقت روشهای پیشبینی معیارهای خطای MSE و PRED بکار گرفته شد و نتایج نشان داد که اختلاط توزیعهای نرمال و تقریب کرنل هر دو از طریق چندک 90% توزیع بازده میتوانند پیشبینیهای مطلوبی از بازدههای 5 روزه سهام ارائه دهند. مقایسه دقت این دو روش نشان داد تقریب کرنل به عنوان یک روش ناپارامتری پیشبینی بازده، دقت بالاتری نسبت به اختلاط توزیعهای نرمال در پیشبینی داشته است. پرونده مقاله -
دسترسی آزاد مقاله
5 - تأثیر استفاده از استراتژیهای معاملات کاهش ابعاد در پیشبینی بازده روزانه سهام روش پانل دیتا.
احترام رهدارپور حشمت اله عسگریسیستمهای خبردهی بازده سهام با ارائه اطلاعات بهموقع موجب تصمیمگیریهای بهینه میگردند.پیشبینی سود توسط مدیریت در ارزیابی سودآوری، ریسک مرتبط با سود، قضاوت در مورد قیمت سهام و مدلهای ارزشیابی در سطح گستردهای مورداستفاده قرار میگیرد (مانفرد و اینکی ، 2014). هدف ما د چکیده کاملسیستمهای خبردهی بازده سهام با ارائه اطلاعات بهموقع موجب تصمیمگیریهای بهینه میگردند.پیشبینی سود توسط مدیریت در ارزیابی سودآوری، ریسک مرتبط با سود، قضاوت در مورد قیمت سهام و مدلهای ارزشیابی در سطح گستردهای مورداستفاده قرار میگیرد (مانفرد و اینکی ، 2014). هدف ما در این پژوهش این است که ، تأثیر استراتژیهای معاملاتی کاهش ابعاد بر پیش بینی بازده روزانه بازار سهام به روش منطق فازی شرکتها را مورد بررسی و کاوش قرار دهیم . این پژوهش از نوع مطالعه کتابخانهای و تحلیلی- علی بوده و مبتنی بر تحلیل دادههای تابلویی (پانل دیتا) است. در این پژوهش اطلاعات مالی 19 شرکت پذیرفتهشده در بورس اوراق بهادار تهران در طی دوره زمانی 1390 تا 1397 بررسیشده است. نتایج تحقیق نشان داد که استفاده از استراتژی معاملات کاهش بازده سهام و استراتژی کاهش قیمت سهام بر پیشبینی بازده روزانه بازار سهام تأثیرمعنیداری دارد ولیکن استراتژی معاملات کاهش حجم معاملات تأثیرمعنیداری بر پیشبینی بازارسهام ندارد. پرونده مقاله -
دسترسی آزاد مقاله
6 - مقایسه پیشبینی بازده ارزهای رمزنگاریشده با استفاده از دو رویکرد حرکت براونی هندسی و تبدیلات موجک
احمد شجاعی علیرضا حیدرزاده هنزائیدر پژوهش حاضر دقت پیش‎بینی بازده ارزهای رمزنگاریشده با استفاده از دو رویکرد حرکت براونی هندسی و تبدیلات موجک مورد مقایسه قرار گرفت. برای این منظور پنج ارز رمزنگاریشده بیت کوین، اتریوم، ریپل، بیت کوین کش و ای او اس بهعنوان نمایندهای از داراییهای ریسکی طی دوره دو چکیده کاملدر پژوهش حاضر دقت پیش‎بینی بازده ارزهای رمزنگاریشده با استفاده از دو رویکرد حرکت براونی هندسی و تبدیلات موجک مورد مقایسه قرار گرفت. برای این منظور پنج ارز رمزنگاریشده بیت کوین، اتریوم، ریپل، بیت کوین کش و ای او اس بهعنوان نمایندهای از داراییهای ریسکی طی دوره دوساله 2018 تا 2020 با تواتر روزانه مورد مطالعه قرار گرفتند. بهمنظور مقایسه دقت روشها در پیشبینی بازده از دو معیار ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا استفاده شد. در مدلسازی براونی هندسی، مدل دیفرانسیل تصادفی مبتنی بر فرایند براونی برای قیمت دارایی، منجر به این میشود که بازده لگاریتمی دارایی دارای توزیع نرمال با پارامترهای وابسته به زمان است. نتایج حاصل از پیشبینی بازده لگاریتمی این ارزها تحت هر دو روش نشان داد که تبدیلات موجک در 4 ارز (بیت کوین، اتریوم، ریپل، بیت کوین کش) از پنج ارز رمزنگاریشده مورد مطالعه، خطای کمتری در پیشبینی بازده داشته است و در ارز ای. او. اس. نیز از نظر هر معیار خطا، یکی از روشهای پیشبینی مطلوبیت داشته است. با استناد به این نتایج میتوان دریافت که روش تبدیلات موجک در پیشبینی بازده داراییهای ریسکی خطای کمتری نسبت به روش براونی هندسی داشته است. پرونده مقاله