زمان سنجی بازار با در نظرگیری شاخص احساسات سرمایه گذار در بورس اوراق بهادار تهران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
زمان سنجی بازار اتخاذ تصمیمات سرمایه گذاری با یک استراتژی معاملاتی مکانیکی براساس برخی معیارهای اقتصاد کلان است. در این تحقیق، شاخص احساسات سرمایه گذار و شاخص های اقتصاد کلان نظیر تورم، نرخ ارز، رشد اشتغال و تولید ناخالص حقیقی متغیرهای نماینده برای زمان سنجی بازار به منظور پیش بینی جهت و بازده شاخص کل بورس اوراق بهادار تهران مورد استفاده قرار گرفت. در این راستا از چهار مدل رگرسیون لجستیک، لسو، ستیغی و الستیک نت با استفاده از داده های ماهانه در دوره زمانی 1395 تا 1399 استفاده شد. به منظور توسعه شاخص احساسات، با بهره گیری از مدل تحلیل عاملی اکتشافی، از شش متغیر احساسی مختلف استفاده شد که در نهایت، سه متغیر نسبت سهام در سبد صندوق های سرمایه گذاری، شاخص قیمت و شاخص ۵۰ شرکت برتر برگزیده شدند. خروجی مدل رگرسیون لجستیک به منظور پیش بینی براساس تک شاخص با مقدار پیش بینی براساس دیگر شاخص ها مقایسه گردید که نتیجه حاکی از برتری پیش بینی لجستیک براساس همه متغیرها نسبت به پیش بینی لجستیک براساس تک شاخص داشت. مقایسه سه مدل لاسو، ستیغی و الستیک نت، برای پیش بینی نشان داد که قدرت و دقت مدل رگرسیون ستیغی بیشتر از دو مدل دیگر بود به علاوه دو مدل لسو و الستیک نت تقریبا دقت برابری داشتند. نتایج این تحقیق می تواند برای شرکت های سرمایه گذاری و سبدگردان، تحلیل گران و سرمایه گذاران مفید باشد.Market Timing by Considering the Investor Sentiment Index in Tehran Stock Exchange
Market timing Investment decisions are made with a mechanical trading strategy based on certain macroeconomic criteria. In this study, investor sentiment index and macroeconomic indicators such as inflation, exchange rate, employment growth and real GDP of representative variables were used to market timing to predict the direction and return of the total index of Tehran Stock Exchange. In this regard, four models of logistic regression, Lasso, Ridge and Elastic Net were used using monthly data in the period 1395 to 1399. In order to develop the sentiment index, using the exploratory factor analysis model, six different emotional variables were used, and finally, three variables of stock ratio in the portfolio of investment funds, Tehran price index and top 50 index were selected. The output of the logistic regression model for forecasting based on a single index was compared with the value of forecasting based on other indicators, which showed that logistics forecasting based on all variables was superior to logistic forecasting based on a single index. Comparison of Lasso, Ridge and Elasticnet models for prediction showed that the strength and accuracy of Ridge regression model was more than the other two models, in addition, Lasso and Elasticnet models were almost equally accurate. The results of this research can be useful for investment companies and portfolio managers, analysts and investors.
تبلیغات
