فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۴۴۱ تا ۴۶۰ مورد از کل ۸۰۳ مورد.
چارچوب نظری تبیین عوامل موثر بر توسعه مالی (با تاکید بر مدل ویلیامسون)
حوزه های تخصصی:
آمار سخن می گوید
مقایسه قدرت پیش بینی برای مدلهای فاما و فرنچ و ارزش بتا و بازده مورد انتظار سهام
حوزه های تخصصی:
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.
نقش و جایگاه اطلاعات در بازار سرمایه
حوزه های تخصصی:
شفاف سازی در بازار اوراق بهادار
حوزه های تخصصی:
حباب های قیمتی مشهور در بازارهای مالی
حوزه های تخصصی:
کمیسیون بورس و اوراق بهادار پاکستان ( SECP )
حوزه های تخصصی:
تحلیل فقهی و اقتصادی قراردادهای آتی
حوزه های تخصصی:
مقدمه ای بر بازار سرمایه و بورس اوراق بهادار
حوزه های تخصصی:
راهکارهایی برای بهبود عرضه محصولات پتروشیمی و نفتی در بورس
حوزه های تخصصی:
بزرگ تر از بورس
هووی بورس تهران
حوزه های تخصصی:
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.
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.