آرش احمدی

کارشناسان اقتصادی و متخصصان بازارهای مالی همواره در پی یافتن روش هایی برای پیش بینی رفتار متغیرهای اقتصادی و مالی از جمله نرخ ارز بوده اند. مطالعات زیادی بر روی مدل های ساختاری و سری زمانی پیش بینی نرخ ارز انجام شده است. با این حال پیش بینی نرخ ارز همواره یک مسئله پیچیده بوده است و مدل سازی نرخ های ارز به چالشی در میان محققان حوزه مالیه بین الملل و متخصصان اقتصادسنجی تبدیل شده است. در این پژوهش ابتدا با استفاده از روش الگوریتم ژنتیک یک الگوی ترکیبی شامل مدل های ساختاری و سری زمانی ارائه می شود. سپس عملکرد آن با مدل های ساختاری و سری زمانی منفرد و همچنین با روش های دیگر ترکیب مانند استفاده از میانگین مقایسه می شود. نتایج به دست آمده نشان می دهند که در میان روش های پیش بینی نرخ ارز، روش ترکیب مدل ها به وسیله الگوریتم ژنتیک دقت بالاتری دارد.

فرضیه گام تصادفی و کارایی بازار سهام سال هاست از سوی پژوهشگران مورد بحث و بررسی قرار گرفته، از روش های مختلفی برای آزمودن آنها استفاده شده است اما توجه کمی به آزمون های نسبت واریانس شده است. براین اساس، در این مطالعه از آزمون های نسبت واریانس یگانه لو و مکینل(LOMAC)، چندگانه چاو و دنینگ (CD)، ریچاردسون و اسمیت، بلیر- فرنچ و کانتریراس و بوت استرپ کیم بهره گرفته می شود. گفتنی است، در این پژوهش از چهار شاخص قیمتی تپیکس (TEPIX)، صنعت، مالی، قیمت و بازده نقدی (TEDPIX) در فاصله ابتدای 1386 تا انتهای 1389 به صورت روزانه استفاده  می شود. نتایج حاکی از رد گام تصادفی و در نتیجه عدم کارایی بازار بودند. بخشی از نتایج این مطالعه همچنین حاکی از رفتار بازگشت به میانگین در شاخص قیمت و بازده نقدی بود..