فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۴۶۱ تا ۴۸۰ مورد از کل ۸۰۳ مورد.
پیش بینی شاخص کل بورس اوراق بهادار تهران با مدل ARFIMA(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مقاله با استفاده از دادههای روزانه شاخص کل بورس اوراق بهادار تهران در دوره زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظه بلند این شاخص پرداخته و مدل ARFIMA را بر آن برازش میدهیم. همچنین عملکرد پیشبینی مدل ARFIMA را با مدل ARIMA مقایسه میکنیم. نتایج نشان میدهند که اولاٌ این سری زمانی از نوع حافظه بلند است، بنابراین میتوان با تفاضلگیری کسری آن را مانا کرد. پارامتر تفاضلگیری بهدست آمد. پس از تفاضلگیری کسری و تعیین تعداد وقفههای اجزای خودبازگشت و میاانگین متحرک مدل، شکل کلی بهصورت ، مشخص میشود. پارامترهای این مدل برای 900 داده درون نمونهای برآورد شده است و از آنها برای پیشبینی 70 داده خارج از نمونه استفاده میشود. مقایسه عملکرد پیشبینی مدل ARFIMA با مدل ARIMA، نشان میدهد که مدل ARFIMA از قدرت پیشبینیکنندگی بالاتری برخوردار است.
بزرگ تر از بورس
شبیه سازی بازار سهام با توجه به ویژگیهای ساختاری بازار سهام تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
شبیه سازی طی دو دهه اخیر با رشدی شتابان در علوم اجتماعی و اقتصاد مورد استفاده قرار گرفته است. روش شبیه سازی بازیگر مدار امکان ایجاد فضای مصنوعی برای تقابل و تعامل تعداد زیادی از بازیگران در محیط رایانه را فراهم می آورد. بر همین اساس با توجه به مدل های موجود در ادبیات این حوزه و ویژگیهای جدید، بازار سهام تهران شبیه سازی شده است. آزمونهای اولیه نشان می دهد که این مدل به خوبی توانسته است مشخصات آماری موجود در سری زمانی قیمتها و بازدهیهای بازارهای بین المللی و بازار سهام تهران را باز تولید نماید.
مقایسه عملکرد مدل های مختلف در خصوص پیش بینی نوسان بازده بورس اوراق بهادار تهران و تحلیل تاثیر برخی عوامل بر رفتار نوسان بازده(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این پژوهش، عملکرد پیش بینی مدل های نوسان شرطی و غیرشرطی (11 مدل) در خصوص پیش بینی نوسان شاخص نقدی و قیمت بورس تهران را بر اساس معیارهای ارزیابی(متوسط قدرمطلق خطا) ، میانگین مربعات خطا و تایل مورد بررسی قرارداده ایم. افزون بر این، تاثیر عواملی نظیر دامنه مجاز و نحوه محاسبه نوسان بر رفتار آن را نیز مورد تجزیه و تحلیل قرار داده ایم. نتایج نشان می دهد عملکرد مدل میانگین متحرک 250 روزه، هموارسازی نمایی و CGARCH طبق معیارهای RMSE و Theil از مدل های دیگر بهتر است. از سوی دیگر، طبق مدل های نوسان شرطی(به استثنای مدل PARCH) تغییر دامنه مجاز نوسان بر روی نوسان تاثیرگذار بوده، در حالی که مدل میانگین متحرک خودرگرسیو (ARMA) خلاف آن را نشان می دهد. مطالعه رفتار نوسان به صورت روزانه و ماهانه نیز نشان می دهد که نوسان در این دو حالت رفتار متفاوتی از خود نشان می دهد.
دانستنی های بورس و بازار سرمایه ، تاریخچه و علل به وجود آمدن بورس اوراق بهادار
منبع:
بورس مهر ۱۳۸۸ شماره ۸۶
حوزه های تخصصی:
آشنایی با هیات تدوین استانداردهای حسابداری مالی FASB
حوزه های تخصصی:
منشاء خیر در بورس
حوزه های تخصصی:
انتشار بیش تر اطلاعات و حرکت به سوی کارایی در بازار سرمایه ایران
حوزه های تخصصی:
بررسی ارتباط شاخص های تورم (CPI) و (PPI) و بازده ی سهام در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
رابطهی بین بازده سهام و تورم مورد توجه بسیاری از محققان قرار گرفته، اما تاکنون در مورد آن یک نتیجه قطعی حاصل نشده است به همین دلیل از آن به عنوان معما یاد می شود. این رابطه به علت وجود نرخ های تورم از کشوری به کشور دیگر متفاوت است و ساختار اقتصادی مختلف نتایج متفاوتی ایجاد می کند. در این پژوهش روابط دو شاخص CPI (شاخص قیمت مصرف کننده) و PPI (شاخص قیمت تولید کننده) و بازده سهام در بازه ی زمانی تیر1371تا خرداد 1387 بررسی شده است. نتایج رگرسیون فرضیهی اول نشان داد که دو متغیر CPI و PPI برای توضیح بازده سهام مناسب به نظر نمیرسند. تحلیل فرضیهی دوم به کمک الگوهای گارچ، گارچ نمایی و اثر اهرمی انجام شده است. نتایج برآورد مدل گارچ حاکی از آن است که این مدل برای توضیح نوسانات بازده سهام مناسب است. با استفاده از نتایج فرضیهی اثر اهرمی که در آن از الگوی گارچ نمایی استفاده میشود، ناتقارنی نوسانات و وجود اثر اهرمی در بازار سهام تهران تایید شد و درنهایت آزمون فرضیهی دوم نشان داد که این دو متغیر اثری روی میانگین و نوسانات بازده سهام ندارند، اما به علت نامتقارن بودن نوسانات در بازار سهام تهران، باید از مدل گارچ نمایی برای آزمون این فرضیه استفاده کرد.
پیش بینی در بازارهای مالی و معرفی NeuroSolutions
حوزه های تخصصی:
آژانس ناظر بر بازار سرمایه و نهادهای مالی اندونزی
حوزه های تخصصی: