درخت حوزه‌های تخصصی

بازارهای مالی

ترتیب بر اساس: جدیدترینپربازدیدترین
فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۴۰۱ تا ۴۲۰ مورد از کل ۸۰۳ مورد.
۴۰۲.

پیش بینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیک و مقایسه آن با شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی
  2. حوزه‌های تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصادسنجی:موضوعات خاص شبکه های عصبی و موضوعات مربوطه
تعداد بازدید : ۶۰۵۱ تعداد دانلود : ۲۸۴۸
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارایه یک مدل پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی قیمت سهام با استفاده از آن نسبت به استفاده از تکنیک شبکه عصبی مصنوعی به صورت منفرد پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی فازی و الگوریتم های ژنتیک، با استفاده از چهار معیار سنجش خطا، نتایج دو مدل مقایسه شده است. نتایج نشان می دهد که مدل ترکیبی شبکه های عصبی فازی و الگوریتم های ژنتیک پیش بینی های بسیار مناسب تری داشته و نسبت به شبکه عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی قیمت سهام برخوردار بوده است.
۴۰۳.

رآورد و پیشبینی تلاطم بازدهی در بازار سهام تهران و مقایسه دقت روش ها در تخمین ارزش در معرض خطر: کاربردی از مدلهای خانوده FIGARCH(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۲۶۴۷ تعداد دانلود : ۱۳۱۰
پیش بینی تلاطم یکی از مهم‎ترین موضوعات مورد مطالعه ریسک در بازارهای مالی است. در تحقیق حاضر ابتدا با استفاده از روش‎های GARCH، تلاطم موجود با استفاده از 1467 داده روزانه برای شاخص قیمت بورس تهران برآورد شده و بهترین مدل‎ها در تخمین و پیش بینی تلاطم برای توزیع نرمال و توزیع تی- استیودنت نتیجه شده است. با توجه به وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی، از مدل ARFIMA و برای واریانس شرطی، در کنار مدل‎های با حافظه کوتاه مدت، از مدل با حافظه بلندمدت FIGARCH استفاده شده است. برای انجام پیش بینی در دوره خارج از دوره نمونه، مدل ARFIMA-FIGARCH با توزیع نرمال، دقیق‎ترین مدل بوده و نتایج بهتری را ارائه می‎دهد. یکی از روش‎های مطرح در بررسی ریسک‎ها و مدیریت ریسک، تخمین VaR یا ارزش در معرض خطر است. مقایسه مدل‎ها نشان می‎دهد که در سطوح اطمینان متفاوت برای تخمین ارزش در معرض خطر، مدل‎های مختلف نتایج متفاوتی می‎دهند، ولی می توان گفت مدل FIGARCH در سطح معنی داری 5/2٪ بهترین عملکرد را در میان مدل‎های GARCH دارد.
۴۰۴.

انتخاب نامساعد و مخاطرات اخلاقی در بازار بیمه درمان ایران(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۲۴۶۷
هدف این تحقیق، برآورد یک مدل تقاضای مصرف خدمات درمانی (دارو و خدمات پاراکلینیکی) در ایران، با وجود ناهمگنی غیرقابل مشاهده در وضعیت سلامتی افراد و آزمون وجود کژگزینی و کژمنشی در این صنعت، با استفاده از آمار نمونه‎گیری بودجه خانوار ایران در سال 1385 است. مدل اصلی از روش GMM، برآورد و با استفاده از روش‎های آمار ناپارامتری، وجود این دو پدیده آزمون می شود. مدل مورد استفاده دارای کم‎ترین فرض درباره چگونگی سیاست بازپرداخت بیمه ای، توزیع وضعیت سلامت پنهان افراد و هم‎چنین انتخاب نوع بیمه است. نتایج، وجود کژگزینی را در میان بیمه شدگان خویش فرما و صاحبان حرف و مشاغل آزاد و مخاطرات اخلاقی را در میان تمام انواع بیمه درمان در ایران (کارمندان دولت، کارگران و کارفرمایان، خویش فرمایان و صاحبان حرف و مشاغل آزاد)، تایید می‎کند.
۴۰۶.

بررسی تاثیرات راه اندازی بورس فلزات بر روی قیمت ها

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان