درخت حوزه‌های تخصصی

بازارهای مالی

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۵۸۱ تا ۶۰۰ مورد از کل ۸۰۳ مورد.
۵۸۱.

بازار بیزار

۵۸۲.

بررسی تاثیر کوچ سهام بر صرف بازده سبد سهام(مقاله علمی وزارت علوم)

کلید واژه ها: سرمایه گذاری بازده سبد سهام کوچ سهام

حوزه های تخصصی:
تعداد بازدید : ۸۲۸ تعداد دانلود : ۴۱۸
هدف این پژوهش، بررسی تاثیر کوچ سهام روی صرف بازده سهام می باشد. در این راستا، بازده پورتفوی های دارای کوچ در دو دوره متوالی مورد بررسی قرار گرفت. این موضوع بخاطر مطالعات کم، نتایج معین و مورد اعتمادی در ایران ندارد. این پژوهش می تواند به نوعی تکمیل کننده مطالعات فاما و فرنچ و خان احمدی و تهرانی باشد. پژوهش از نوع کاربردی و برحسب نحوه گردآوری داده ها، از نوع توصیفی (همبستگی) و مقیاس اندازه گیری داده ها نسبی می باشد. برای آزمون فرضیه ها، داده های حسابداری بین سال های 1382 تا 1394 تهیه و سبد سهام بر اساس آن تشکیل شد. در این پژوهش، روش نمونه گیری حذف سیستماتیک بوده و برای بررسی عملکرد سبد سهام تشکیل شده، آلفای جنسن مورد توجه قرار گرفته است. بر اساس نتایج بدست آمده از آزمون فرضیه نخست، دوم و سوم، وجود رابطه معنادار بین کوچ سهام و بازده مورد تایید قرار نگرفت. در ضمن، با معنادار برآورد شدن عرض از مبدا در فرضیه چهارم، می توان نتیجه گرفت که ثروت سهام داران با سرمایه گذاری در سهام شرکت هایی افزایش یافته بود که در دو دوره متوالی از اندازه کوچک به اندازه بزرگتر کوچ داشته اند.
۵۸۷.

پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات(مقاله علمی وزارت علوم)

کلید واژه ها: پیش بینی شاخص بورس آنالیز مولفه های اصلی رگرسیون بردار پشتیبان بهینه سازی حرکت تجمعی ذرات

حوزه های تخصصی:
تعداد بازدید : ۸۲۳ تعداد دانلود : ۴۸۴
پیش بینی نوسان های آینده شاخص سهام می تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش بینی در این پژوهش، رگرسیون بردار پشتیبان بهینه شده به وسیله الگوریتم حرکت تجمعی ذرات می باشد. در برازش مدل رگرسیون بردار پشتیبان، سه پارامتر توضیحی وجود دارد که باید ترکیبی از این سه پارامتر توسط کاربر و به صورت آزمایش و خطا انتخاب شود تا دقت مدل را به بیشترین حد خود برساند. با توجه به زمان بر بودن و کارایی پایین انتخاب پارامتر توسط کاربر، برای انتخاب ترکیب بهینه پارامترهای مدل رگرسیون بردار پشتیبان، از روش بهینه سازی حرکت تجمعی ذرات استفاده شده است که الگوریتمی قوی در حوزه بهینه سازی می باشد. با توجه به حجم زیاد داده های ورودی به مدل برای کاهش زمان یادگیری و افزایش دقت پیش بینی، با استفاده از روش آنالیز مولفه های اصلی، پیش پردازش روی متغیرهای ورودی صورت گرفته و به مولفه های اصلی تبدبل شده است. نتایج بدست آمده نشان داد که پیش پردازش روی دادها، خطای پیش بینی مدل را به طور قابل ملاحظه ای کاهش داده است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان