مریم هاشم پور

مریم هاشم پور

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

A Multiscale Pricing Model with the Wavelet Analysis Approach, Fama-French Three-Factor Model, and Nonliquidity in Tehran Stock Exchange(مقاله علمی وزارت علوم)

کلید واژه ها: BV/MV ( The ratio of book value to market value) Company Size beta wavelet analysis

حوزه های تخصصی:
تعداد بازدید : 329 تعداد دانلود : 678
The aim of this paper is to analyze the multiscale pricing model with the wavelet analysis approach, Fama-French three-factor model, and nonliquidity in Tehran Stock Exchange. It was also desirable to figure out how stock returns, Fama-French factors, and nonliquidity were related in different intervals. According to the results, various outcomes were obtained at different intervals. Stock returns had significant relationships with  (the ratio of book value to market value) and nonliquidity in the long term. Stock returns had significant relationships with the beta,  , and company size in the midterm, too. There was also a significant relationship between stock returns and the company size in the short term. The proposed methodology suggests that investors should employ dynamic portfolio management strategy and multiscale risk-return evaluation to seize investment opportunities.
۲.

پیش بینی سری های زمانی آشوبی با استفاده از بهینه سازی کلونی مورچگان در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلید واژه ها: آشوب بهینه سازی کلونی مورچگان دنباله های جاذب

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات سیستم های صف
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت اوراق بهادار
تعداد بازدید : 648 تعداد دانلود : 755
وجود روش های مناسب پیش بینی روندهای آینده بازار سرمایه منجر به تصمیم گیری های بهتری از جانب فعالان این بازارها خواهد شد. اغلب به دلیل ماهیت غیر خطی و آشوب گونه بازارهای مالی مدل های کلاسیک پیش بینی عملکرد مطلوبی نداشته و اطلاعات موجود در داده ها با گذشت زمان به سرعت از بین رفته و در این صورت استفاده از آن ها در بلند مدت مفید نخواهد بود ]1، ص 64[. هدف این مقاله به کار بردن الگوریتم بهینه سازی کلونی مورچگان برای پیش بینی شاخص کل بورس اوراق بهادار تهران است. برای به کاربردن الگوریتم نخست با به کارگیری آزمون بزرگ ترین نمای لیاپانوف ماهیت آشوبی داده های شاخص کل بورس مورد بررسی قرارگرفت، سپس با به کارگیری الگوریتم بهینه سازی کلونی مورچگان نقاط جاذب تحلیل و در نهایت با استخراج دنباله های اعداد منتهی به نقاط جاذب پیش بینی انجام شد. در پایان مقایسه نتایج پیش بینی با استفاده از آماره های سنجش خطا تأیید کرد که الگوریتم مبنی بر بهینه سازی کلونی مورچگان داده ها را به خوبی و با کمترین خطا نسبت به مدل های گارچ تخمین می زند ، البته نتایج بررسی با استفاده از آماره دایبولد ماریانو برابری نتایج پیش بینی را رد نکرد. الگوریتم ارائه شده این مقاله با تفکیک دنباله های جاذب روشی ساختارمند برای پیش بینی سیستم های آشوبی ارائه می دهد، بنابراین انتظار می رود که در بلند مدت و در پیش بینی های با نوسان های زیاد نتایج قابل قبولی ارائه دهد.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان