محمدابراهیم سماوی

محمدابراهیم سماوی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

Performance Evaluation of the Technical Analysis Indicators in Comparison with the Buy and Hold Strategy in Tehran Stock Exchange Indices(مقاله علمی وزارت علوم)

کلید واژه ها: Algorithmic Trading Buy and hold strategy Intelligent Trading Systems Technical Analysis Technical Analysis Indicators

حوزه های تخصصی:
تعداد بازدید : 453 تعداد دانلود : 207
Technical analysis is one of the financial market analysis tools. Technical analysis is a method of anticipating prices and markets through studying historical market data. Based on the factors studied in this type of analysis, indicators are designed and presented to facilitate decision-making on buy and sell stress and then buy and sell action in financial markets. This research evaluates performances and returns of 10 conventional technical analysis indicators based on the strategies set on the total stock exchange index, the total index of OTC market and 8 other (non-correlated) industry indices by using Meta Trader software from 2008 to 2018. Also, the significance of the difference between the returns of the indicators is tested using the buy and hold strategy. The results show a significant difference between the returns using some of the technical analysis indicators in some indices and buy and hold strategy. The effectiveness of technical analysis strategies varies across industries and EMA and SMA with respectively 6 and 5 repetitions, are the best strategies and BB with just one repetition has the least repetition. The investment industry index with the most repetition is the industry in which the strategies used in this study have been able to provide an acceptable return.
۲.

بررسی رفتار رمه ای متغیر زمان در بورس اوراق بهادار تهران با استفاده از مدل امتیاز خود رگرسیونی تعمیم یافته

کلید واژه ها: پیش بینی توزیع بازدهی رفتار رمه ای مالی رفتاری مدلسازی مالی مدل امتیاز خود رگرسیونی تعمیم یافته

حوزه های تخصصی:
تعداد بازدید : 104 تعداد دانلود : 127
رفتار توده وار یا رمه ای یکی از مهم ترین سوگیری های رفتاری است که در بازارهای مالی وجود دارد و از عوامل شکل دهنده بحران های مالی است. با توجه به اینکه رفتار رمه ای به صورت مستقیم بر قیمت اثر می گذارد، از این رو پیش بینی قیمت بر اساس داده های قیمتی گذشته نشان از وجود رفتار رمه ای در بازار دارد. این مقاله با هدف بررسی وجود رفتار رمه ای در بورس اوراق بهادار تهران مدلی زمان متغیر غیرخطی نوینی به نام امتیاز خود رگرسیونی تعمیم یافته (GAS) ارائه کرده و با مدل-های غیرخطی سنتی GARCH و AR نیز قیاس شده است. در راستای پیش بینی بازدهی شاخص بورس اوراق بهادار تهران جهت تشخیص وجود رفتار رمه ای، از داده های قیمتی طی بازه 1390 الی 1399 استفاده شده است. توان و دقت پیش بینی توزیع بازدهی مدل نوین GAS با نتایج مدل های غیرخطی GARCH و AR در داده های درون و برون نمونه ای جهت تشخیص وجود رفتار رمه ای قیاس شده است. نتایج پژوهش در آزمون های درون و برون نمونه ای نشان دهنده دقت بالاتر مدل نوین GAS نسبت به مدل های سنتی GARCH و AR در پیش بینی توزیع بازدهی روزانه شاخص کل بورس اوراق بهادار تهران بوده و همچنین وجود رفتار رمه ای در بازار سرمایه ایران تایید شده است.
۳.

Measurement of Bitcoin Daily and Monthly Price Prediction Error Using Grey Model, Back Propagation Artificial Neural Network and Integrated model of Grey Neural Network(مقاله علمی وزارت علوم)

کلید واژه ها: Bitcoin Block Chain Grey model Back Propagation Artificial Neural Network Grey-Neural Network

حوزه های تخصصی:
تعداد بازدید : 910 تعداد دانلود : 829
One of the recent financial technologies is Block chain-based currency known as Cryptocurrency that these days because of their unique features has become quite popular. The first known Cryptocurrency in the world is Bitcoin, and since the cryptocurrencies market is a contemporary one, Bitcoin is currently considered as the pioneer of this market. Since the value of the previous Bitcoin prices data have a non-linear behaviour, this study aims at predicting Bitcoin price using Grey model, Back Propagation Artificial Neural Network and Integrated Model of Grey Neural Network. Then, the prediction’s accuracy of these methods will be measured using MAPE and RMSE indices and also Bitcoin price data for a five-year period (2014-2018). The results had indicated that wen estimating Bitcoin daily prices, Back Propagation Artificial Neural Network model has the lowest absolute error rate (5.6%) compared to the Grey model and the integrated model. Additionally, for the monthly prediction of Bitcoin price, the integrated model, with the lowest absolute error rate (9%), has a better performance than the two other models.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان