درخت حوزه‌های تخصصی

بازارهای مالی

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۴۲۱ تا ۴۴۰ مورد از کل ۸۰۳ مورد.
۴۲۳.

کاربرد ارزش در معرض ریسک (VaR) در تشکیل سبد سهام بهینه در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلید واژه ها: مرز کارا واریانس ارزش در معرض ریسک سبد سهام بهینه

حوزه های تخصصی:
تعداد بازدید : ۲۴۸۸
این پژوهش، به دنبال استفاده از ارزش در معرض ریسک، به عنوان یک معیار اندازه‎گیری ریسک در تشکیل سبد سهام بهینه در بازار بورس تهران است.در این پژوهش ارزش در معرض ریسک محاسبه شده به روش پارامتریک با استفاده از بازده‎های 15 روزه‎ی 100 شرکت از تاریخ 1/1/1380 تا تاریخ 1/9/1386، به عنوان یک محدودیت به مدل سبد سهام مارکویتز، اضافه شده است. با تغییر پارامتر های ارزش در معرض ریسک مورد قبول سرمایه گذار و درصد اطمینان مورد قبول او، سبد‎های بهینه مختلفی تشکیل شده‎اند. نتایج نشان می دهد که افزودن محدودیت ارزش در معرض ریسک به مدل مارکویتز، ممکن است مرز کارا را محدود کرده، آن‎را به یک نقطه تبدیل کند و یا از بین ببرد. نکات قابل توجه در این مقاله، در مقایسه با پژوهش‎های مشابه دیگر، استفاده از اعتبارسنجی بازخورد به شکلی نوین و مطالعه موردی بازار بورس تهران است.
۴۲۸.

بازار سنتی یا نبرد اصطلاحات: بررسی دلایل حجم کم معاملات رینگ کشاورزی در بورس کالا

۴۳۲.

بازار بیزار

۴۳۳.

مقایسه قدرت پیش بینی برای مدلهای فاما و فرنچ و ارزش بتا و بازده مورد انتظار سهام

کلید واژه ها: بازده سهام مدل Reward Beta مدل فاما فرنچ (F&F)

حوزه های تخصصی:
تعداد بازدید : ۲۲۰۲ تعداد دانلود : ۱۰۷۵
مقاله حاضر به مقایسه دو مدل – مدل (RBM)، مدل سه عامله (F&F) برای پیش بینی بازده مورد انتظار در بازار بورس اوراق بهادار تهران می پردازد. یافته های تحقیق نشان می دهد که مدل سه عامله F&F بر مدل RBM برتری دارد و ارتباط اندازه شرکت با بازده مورد انتظار شرکت مستقیم و نسبت ارزش دفتری به ارزش بازار با بازده مورد انتظار شرکت معکوس می باشد.
۴۳۵.

ارائه مدل پیش­بینی شاخص کل قیمت سهام با رویکرد شبکه­های عصبی (مطالعه موردی: بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)

کلید واژه ها: پیش بینی مدل چند عاملی شبکه های عصبی شاخص بورس اوراق بهادار

حوزه های تخصصی:
تعداد بازدید : ۱۷۲۷ تعداد دانلود : ۸۳۹
هدف تحقیق حاضر ارائه مدل پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکه­های عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به ­صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان می­دهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار تهران را دارا می­باشد. در پایان مقاله، بحث، نتیجه گیری، پیشنهادات کاربردی و نیز مواردی در خصوص ادامه و پی­گیری تحقیقات مشابه در آینده بیان شده است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان