فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۱ تا ۲۰ مورد از کل ۸۲ مورد.
حوزه های تخصصی:
فرایندهای سری زمانی را می توان به سه طبقه خطی، تصادفی و آشوبگونه دسته بندی کرد و براین اساس قابلیت پیش بینی در فرایندهای خطی ممکن، درفرایندهای تصادفی غیرممکن و در فرایندهای آشوبگونه تا حدی ممکن است. تحقیقات و مطالعات انجام شده قبلی در زمینه مدل سازی و پیش بینی قیمت سهام بیشتربر اساس اثبات این فرضیه بوده است که تغییرات قیمت و بازده سهام در بازار بورس و مخصوصا بازار بورس تهران علیرغم شباهت زیادی که به رفتار تصادفی و اتفاقی دارد، اتفاقی نیست بلکه از نوع آشوبگونه است و بنابر این می توان توسط مدل های پیچیده و قوی مانند شبکه های عصبی، فازی و ترکیب های مختلف این دو روش مدل سازی و نیز پیش بینی کوتاه مدت و میان مدت را انجام داد. در این تحقیق، تغییرات قیمت و بازده سهام در بازار بورس تهران با هدف مدل سازی بر اساس معادلات دیفرانسیل تصادفی بر روی مقوله پیش بینی، مورد مطالعه و بررسی قرار گرفته است، با در نظر گرفتن نوسانات قیمت سهام به شکل تصادفی و بر اساس مدل بلاک و شولز، مدل سازی دینامیک فرایند مولد قیمت سهام در بازار بورس تهران را با استفاده از معادلات دیفرانسیل تصادفی پیشنهاد کرده و بر این اساس مدل سازی، شبیه سازی و پیش بینی قیمت و بازده برای یکی از شرکت های عضو بازار بورس تهران انجام می گیرد، برای بررسی کارایی روش پیشنهادی مقایسه ای نیز با روش مدل سازی خطی صورت پذیرفته است.
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)
حوزه های تخصصی:
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.
ارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آمده رسم شده اند. با استفاده از پیش پردازش های اشاره شده، نشان داده می شود که قیمت و بازده سهام (درهر 6 سهم مربوط به صنایع مختلف) از نگاشتهای پیچیده غیرخطی و آشوبگرانه به وجود آمده اند و اساساً از روشهای غیرخطی شبکه های عصبی به خودی خود و به شکل متعارف بهبود قابل ملاحظه ای را به دنبال ندارد. با ارائه پیشنهاد ساختار جدید، می توان قیمت و بازده را به خوبی در دو حالت پیش بینی روز بعد و پیش بینی سی روز بعد تخمین زد.
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.
مطالعه اثر نوسانات نرخ ارز، نرخ ت ورم و تول ید ناخالص داخلی بر سوددهی شرکت ها
حوزه های تخصصی:
- حوزههای تخصصی اقتصاد اقتصاد کلان و اقتصاد پولی قیمت ها،نوسانات تجاری،دورهای تجاری سطح عمومی قیمت ها،تورم
- حوزههای تخصصی اقتصاد اقتصاد کلان و اقتصاد پولی قیمت ها،نوسانات تجاری،دورهای تجاری نوسانات تجاری،دورهای تجاری
- حوزههای تخصصی اقتصاد اقتصاد کلان و اقتصاد پولی مصرف،پس انداز،تولید،اشتغال و سرمایه گذاری تولید
- حوزههای تخصصی اقتصاد اقتصاد بین الملل مالیه بین الملل بازار ارز
- حوزههای تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی
- حوزههای تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصاد سنجی:کلیات روش های شبه پارامتریک و اپارامتریک
- حوزههای تخصصی مدیریت مدیریت مالی – حسابداری تئوریهای حسابداری بازده سهام
تأثیر متغیرهای کلان اقتصادی بر نوسانات بازده سهام بازار بورس مورد توجه بسیاری از محققان قرار گرفته است. این رابطه به علت وجود ساختار اقتصادی متفاوت از کشوری به کشور دیگر نتایج متفاوتی را ایجاد می کند. در این پژوهش تأثیر متغیرهای کلان اقتصادی از جمله نرخ ارز، نرخ تورم و تولید ناخالص داخلی بر سود دهی شرکتها با استفاده از داده های صنایع مختلف (صنایع خودرو،محصولات غذایی، سیمان، داروئی، استخراج کانی های فلزی و غیره) مورد بررسی قرار گرفته است. جامعه آماری این پژوهش شامل 180 شرکت طی دوره 1393-1389 می باشد. برای ارزیابی فرضیات تحقیق از مدل اقتصاد سنجی GMM استفاده شده است. نتایج پژوهش مبین وجود رابطه بین نرخ ارز، نرخ تورم و تولید ناخالص داخلی بر سوددهی شرکت ها می باشد. طبق نتایج حاصل شده، نوسانات نرخ ارز تأثیر مثبت و مستقیم، نرخ تورم تأثیر منفی و معکوس و تولید ناخالص داخلی تأثیر منفی(در حد صفر) و معکوس بر سوددهی شرکت ها می گذارند. همچنین بیشترین اثرگذاری را به ترتیب نرخ تورم، نرخ ارز و تولید ناخالص داخلی بر سود دهی شرکت ها دارند.
شوک های ارزی و بازارهای مالی: کاربردی از مدل خودرگرسیون برداری پانل (Panel VAR)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
باگسترش مدل های قیمت گذاری دارایی های سرمایه ای،تعیین عوامل مؤثربربازدهی و ریسک سهام مورد توجه پژوهشگران قرارگرفته است. یکی از متغیرهای اقتصادی که رابطه تنگاتنگی با بازارهای مالی دارد، نرخ ارز است. تغییرات نرخ ارز، قیمت سهام را از طریق تغییر ارزش دارایی های شرکت تحت تأثیر قرار می دهد. از سوی دیگر افزایش بی سابقه نرخ ارز در سال های اخیر، در پیتحریم بانک مرکزی ایران از طرف سوییفت، اهمیت نرخ ارز را در بازارهای مالی بیش از پیش آشکار نمود. در این پژوهش به منظور تحلیل اثر شوک های ارزی بر بازارهای مالی از مدل خودرگرسیون برداری پانل (Panel VAR) و داده های روزانه در بازه اولژانویه 2009 تا31جولای 2013م استفاده شده است.نتایج نشان می دهد: 1) طبق تعریف مدل های جریان گرا در این پژوهش نیز نرخ ارز هدایت کننده بازار سهام بوده و واکنش شاخص سهام به شوک ارزی مثبت است، 2) در وضعیت تحریم، ارز به عنوان یک دارایی واقعی برای سرمایه گذاری مورد توجه واقع می شود و 3) در وضعیت تحریم، شوک ارزی در بلندمدت اثر منفی بر شاخص سهام دارد که ناشی از وابستگی تولیدات داخلی به مواد اولیه و ماشین آلات وارداتی است.
پیش بینی قیمت طلا با بکارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فازی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
فلزات قیمتی همچون طلا، نقره و پلاتین از جمله مهمترین متغیرهای مؤثر در سیستم های مالی بوده و پیش بینی قیمت آنها برای تصمیم گیران از اهمیت بسیار برخوردار است . تغییرات سریع در سیستم های مورد مطالعه در دنیای واقعی و بویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان از جهت تامین داده های لازم گردیده است . چرا که مدل های کمی پیش بینی همچون میانگین نیز به (ANNs) دارای محدودیت تعداد داده های گذشته بوده و شبکه های عصبی مصنوعی (ARIMA) متحرک خود رگرسیون انباشته منظور حصول نتایج دقیق احتیاج به داده های زیادی دارند . مدلهای پیش بینی فازی، مدلهایی مناسب در شرایط پیش بینی با داد ه های کم بوده، اما عملکرد آنها در حالت کلی رضایت بخش نمی باشد. استفاده از مدل های ترکیبی یا ترکیب مدل های مختلف یک راه معمول به منظور مرتفع نمودن محدودیت های مدلهای تکی و بهبود دقت پیش بینی ها می باشد؛ لذا در این مقاله به منظور برطرف نمودن محدودیت داده در مدلهای میانگین متحرک خود رگرسیون انباشته کلاسیک و حصول مدل دقیق تر در پیش بینی سری های زمانی، مدل به منظور پیش بینی پیشنهاد شده است. نتایج حاصله بیانگر (FARIMA) ترکیبی میانگ ین متحرک خود رگرسیون انباشته با منطق فازی کارآمدی روش پیشنهادی در پیش بینی بازه تغییرات قیمت طلا می باشد
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)
حوزه های تخصصی:
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.
بررسی رابطه میان بازدهی سهام و تورم با استفاده از تجزیه و تحلیل موجک در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
این مقاله یک مطالعه تجربی برای بررسی رابطه میان بازده شاخص سهام و نرخ تورم با استفاده از روش چند مقیاسی موجک در بورس اوراق بهادار تهران است. در این پژوهش، ضمن مرور اجمالی برخی پژوهش های تجربی پیشین، فرضیه فیشر مبنی بر وجود رابطه مثبت بین نرخ بازدهی اسمی سهام و نرخ تورم با استفاده از روش چند مقیاسی موجک را آزمون می نماییم. روش چندمقیاسی امکان بررسی رابطه یاد شده را در مقیاس های زمانی متفاوت فراهم می نماید. نتایج تحلیل رگرسیون در محدوده موجک و همبستگی موجک نشان می دهد که رابطه بین تورم و بازده سهام در افق کوتاه مدت، منفی و در افق میان مدت و بلندمدت مثبت است. یافته های این پژوهش با نتایج مطالعات عزیزی (1383)، بودوخ و ریچاردسون (1993)، ونگ و وو (2000) و راین (2006) که با رویکردهای غیر از تجزیه و تحلیل موجک انجام شده اند، سازگار است. یافته های این پژوهش همچنین از فرضیه فیشر حمایت قوی نموده و با نتایج کیم و این (2005) که رابطه بین تورم و بازده سهام را با استفاده از رویکرد تجزیه و تحلیل موجک مورد مطالعه قرارداده ند، تا حدی متفاوت است ولی سازگاری نسبی دارد. بدین ترتیب که در مطالعه کیم و این رابطه بین تورم و بازده سهام در کوتاه و بلندمدت، مثبت اما در دوره های میان مدت، منفی است.
تاثیر افشای مسئولیت اجتماعی شرکت بر کارایی سرمایه گذاری(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از پژوهش حاضر، بررسی تأثیر افشای مسئولیت اجتماعی شرکت بر کارایی سرمایه گذاری است. شواهد بیانگر این مطلب است که با افشای مسئولیت اجتماعی شرکت، عدم کارایی سرمایه گذاری کاهش و در نتیجه کارایی سرمایه گذاری افزایش می یابد. برای اندازه گیری سطح افشای اطلاعات زیست محیطی و اجتماعی، از روش تحلیل محتوا استفاده شد. قلمرو زمانی پژوهش از سال 1388 تا سال 1393 است که در مجموع 90 شرکت فعال در صنایع مختلف، نمونه پژوهش را تشکیل داده اند. روش پژوهش حاضر از نظر هدف کاربردی، از نوع پژوهش توصیفی- همبستگی و از نظر روش جمع آوری داده ها، پس رویدادی است. برای آزمون فرضیه های پژوهش از روش رگرسیون چندگانه استفاده شده است. متغیر مستقل در این پژوهش، افشای مسئولیت اجتماعی شرکت و متغیر وابسته کارایی سرمایه گذاری می باشد. یافته های پژوهش بیانگر آن است که افشای مسئولیت اجتماعی به بهبود کارایی سرمایه گذاری در شرکت ها خواهد انجامید. نتیجه حاصل، مورد حمایت تئوری ذینفعان نیز می باشد. به طورکلی یافته های پژوهش، نقش مهم و برجسته مسئولیت اجتماعی در شکل دادن به رفتار سرمایه گذاری و کارا بودن آن را نشان می دهد.
بررسی الگوی تغییرات فصلی در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مدیریت مالی جدید با بررسی تئوری بازار کارا، وجود بی قاعدگیهای تقویمی را از جمله اثر روز های معاملاتی هفته، اثر ماههای خاص سال و نیز بی قاعدگیهای غیرتقویمی؛ مانند اثر انتشار اولیه سهام و اثر سهام از قلم افتاده را مورد تاکید قرار داده است و از آنها به عنوان بی قاعدگیهای تئوری بازار کارا یاد می کند. شناسایی و آزمون وجود یا عدم وجود اینگونه بی قاعدگیها، مبحثی جدید در حوزه سرمایه گذاری در سالهای اخیر بوده است و مطالعات گوناگونی با استفاده از آزمونهای مختلف؛ بویژه سری های زمانی و مدل رگرسیون با متغیر های مجازی در این زمینه صورت گرفته است که به فور در بازار های توسعه یافته و نو ظهور مالی دیده می شود. در این تحقیق با بررسی دقیق هر یک از اثرات تقویمی و غیر تقویمی و تعریف و تشریح کامل بی قاعدگیهای تئوری بازار کارا به مطالعه نمونه ای از آنها با عنوان «اثر ماههای خاص سال در بورس اوراق بهادار تهران» پرداخته شده است. یافته های تحقیق حاکی از وجود اثر بی قاعدگیهای تقویمی در بورس اوراق بهادار تهران است.
بررسی سودآوری قواعد مبادلاتی میانگین متحرک در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
بررسی این موضوع که آیا استفاده از قواعد مبادلاتی مختلف تکنیکال نسبت به استراتژی ساده خرید و نگهداری، سودآوری بیشتری دارد و آیا قواعد مبادلاتی تکنیکال قدرت پیش بینی روند قیمت سهام را دارند یا نه؟ از اهداف این مقاله می باشند. برخی از محققان اشاره کرده اند که این قواعد در بازارهایی نوپا (نظیر مالزی، تایلند و تایوان) کاملا با موفقیت عمل می کنند هر چند که از قدرت این قواعد دربازارهای کشورهای توسعه یافته (نظیر ژاپن و هنگ کنگ) کاسته شده است. برخی دیگر از محققان ناکارایی بازارها را فرصت مناسبی برای سودآور بودن روش های تکنیکال دانسته اند. مطالعه حاضر با تاکید بر قواعد مبادلاتی میانگین متحرک به بررسی سودآوری قواعد مبادلاتی میانگین متحرک در بورس تهران پرداخته است. در نهایت مشخص شد که در بورس اوراق بهادار تهران استفاده از قواعد مبادلاتی میانگین متحرک با طول متغیر (VLMA ) سودآوری بیشتری نسبت به استراتژی ساده خرید و نگهداری دارد هر چند که میزان آن در بین انواع مختلف استراتژی ها از لحاظ طول دوره میانگین متحرک برابر نیست. به عبارت دیگر طبق نتایج به دست آمده مشخص شد که در بورس اوراق بهادار تهران استفاده از میانگین های متحرک کوتاه مدت به جای بلندمدت نتایج بهتری را به دست می دهد.
یک رویکرد بوت استریپ برای مقایسه سودآوری شاخص های تحلیل تکنیکی - بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
یکی از مفیدترین روش ها برای تشخیص زمان ورود و خروج به بازارهای بورس، روش تحلیل تکنیکی است. تحلیل تکنیکی به مجموعه ای از قوانین معاملاتی اطلاق می شود که با بررسی روند گذشته قیمت ها، سعی در پیشبینی روند آینده آن ها دارند. با توجه به گستردگی و تعدد روش های تحلیل تکنیکی و این نکته که تمامیروش های تحلیل تکنیکی در تمامی بازارها قابل استفاده نیستند، در این مقاله سعی شده است سودآوری برخی شاخص های تحلیل تکنیکی پرکاربرد در بازار بورس تهران مورد مقایسه قرارگیرد. به این منظور، سودآوری 46 قاعده معاملاتی، شامل انواع میانگین های متحرک بلندمدت و کوتاه مدت، حدود محافظ و مقاوم، باندهای بولینگر، نوسانگر های استوکاستیک، شاخص قدرت نسبی و میانگین متحرک همگرایی/ واگرایی بر روی 22 شرکت پرمعامله بورس تهران، مورد ارزیابی قرار گرفته است. برای انجام آزمون های آماری، بهدلیل عدم وجود شرایط آزمون های نرمال، از تکنیک "بوت استرپ" استفاده شده است. نتایج نشان می دهد در بین شاخص های آزمون شده، میانگین های متحرک کوتاهمدت و نوسانگر ها از بیشترین سودآوری و حدود محافظ و مقاوم از کمترین سودآوری برخوردارند. میانگین های متحرک بلندمدت نیز با اینکه از سودآوری بیشتری نسبت به استراتژی خرید و نگهداری برخوردار بوده اند، سود کمتری را در مقایسه با نوسانگر ها و میانگین های متحرک کوتاهمدت ایجاد میکنند
تحلیل عوامل موثر بر نوسان های قیمت طلا با استفاده از مدل های رگرسیون سوئیچینگ مارکف و شبکه عصبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
طلا یک کالای استراتژیک است و عوامل زیادی بر قیمت آن تاثیر می گذارد. از طرفی روش شبکه عصبی توانایی خاصی در برآورد روند و پیش بینی نوسانات قیمت طلا دارد و روش رگرسیون سوئیچینگ نیز توانایی در شناسایی شوک ها و سال های تغییر رژیم های نوسانات در سطح پر نوسان و کم نوسان دارد. این تحقیق به طور جداگانه بر بررسی هر یک و پیاده سازی این روش ها در داده های نوسانات قیمت طلا می پردازیم.
روش تحقیق: در این پژوهش با شناسایی عوامل موثر بر نوسان های قیمت طلا برای دوره 1390-1359 الگوی متناسب با این نوسان ها مدل سازی می شود. برای مدل سازی از دو روش غیر خطی شبکه عصبی و مدل رگرسیون چرخشی مارکف استفاده شده است. هدف مدل سازی در این مطالعه مقایسه دو روش نیست بلکه با یاری جستن از دو مدل سعی در برازش بهتر و پیش بینی بهتر مدل ها می باشد. هر یک از این دو روش توانایی خاصی در قسمتی از فرآیند مدل سازی دارند.
شبکه عصبی به کار گرفته شده در این پژوهش حاوی 2 لایه پنهان و رگرسیون چرخشی نیز دارای 2 رژیم می باشد. نتایج حاکی از آن است که روش شبکه عصبی به خوبی توانسته نوسانات قیمت طلا را پیش بینی کند و روش رگرسیون چرخشی سال های چرخش و شوک را شناسایی نموده و تشخیص داده شده که در ایران مدتی که بازار طلا در حالت کم نوسان است، بیشتر از حالت پر نوسان است. نتایج نشان می دهد از میان عوامل موثر بر قیمت طلا در مدل شبکه عصبی متغیر نرخ ارز و قیمت جهانی طلا بیشترین تاثیر را دارد و در مدل چرخشی مارکف متغیر قیمت نفت و پس از آن CPIدارای بالاترین اهمیت و درجه تاثیر گذاری بر قیمت طلا می باشد.
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 درماندگی مالی با بکار بردن کارایی به عنوان یک متغیر پیش بینی کننده(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مقاله حاضر به ارائه مدلی مناسب برای پیش بینی درماندگی مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران می پردازد، بنابراین در کنار نسبت های مالی مهم برای پیش بینی درماندگی مالی از کارایی شرکت هاکه می تواند به دقت و قدرت پیش بینی مدل بیفزاید به عنوان یک متغیر پیش بینی کننده استفاده می گردد. ابتدا از روش تحلیل پوششی داده ها برای محاسبه شاخص کارایی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران طی دوره (1388-1384) استفاده می شود و نتیجه شاخص کارایی به عنوان متغیری برای پیش بینی درماندگی مالی در کنار سایر نسبت های مالی مورد استفاده قرار می گیرد. در روش پیشنهادشده، تحلیل پوششی داده ها به عنوان ابزاری برای ارزیابی کارایی ورودی- خروجی هر شرکت بکار برده می شود. برای بررسی میزان تأثیر کارایی به عنوان پیش بینی کننده داده های 50 شرکت تولیدی که در بورس اوراق بهادار تهران پذیرفته شده اند، مورد استفاده قرار می گیرد. با استفاده از آزمون های آماری متغیرهایی که قدرت بیشتری در تفکیک شرکت های درمانده از شرکت های سالم را دارند انتخاب شده است. سپس، درماندگی شرکت ها با استفاده از رگرسیون لجستیک در قالب دو الگو (با متغیر کارایی و بدون آن) پیش بینی شده است. یافته های حاصل از تحقیق نشان می دهند که استفاده از متغیر کارایی در مدل پیش بینی درماندگی به طور معناداری دقت پیش بینی مدل را افزایش می دهد.
بررسی وجود سرایت بین سهام شرکت ها در بورس اوراق بهادار تهران با استفاده از یک مدل دینامیک چندمتغیره(مقاله علمی وزارت علوم)
حوزه های تخصصی:
وجود سرایت در بازده و تلاطم دارایی های مختلف اهمیت زیادی در مطالعه کارایی بازار، انتخاب سبد دارایی و قیمت گذاری دارایی ها دارد. در این تحقیق سرایت بازده و نیز سرایت تلاطم بین سه شاخص اندازه - مرتب در بورس تهران با استفاده از یک مدل VAR-BEKK بررسی شده است. به نظر می رسد، بازده های روزانه شاخص شرکت های کوچک تر، با تاخیر، دنباله روی بازده های روزانه شاخص شرکت های بزرگ تر هستند (ویژگی تقدم - تاخر)؛ ولی چنین ویژگی در بازده های ماهانه و فصلی شاخص ها مشاهده نمی شود. در ضمن، هیچ گونه سرایتی بین تلاطم شاخص ها مشاهده نمی شود. این در حالی است که سرایت تلاطم در بسیاری از بازارهای مالی دنیا مشاهده شده است. وجود محدودیت دامنه نوسان قیمت ها و قانون حجم مبنا در دوره ی مورد مطالعه، میتواند مهم ترین دلیل مشاهده این پدیده باشد.
کارآیی روشهای ترکیبی در پیش بینی قیمت سهام در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تصمیم گیری در خصوص خرید سهام جدید و با فروش سهام موجود ، با دستیابی به اطلاعاتی در خصوص وضعیت آینده قیمت بازار سهام ممکن می شود . این تصمیم گیری اقتصادی ، در صورتی که بتوان روند آتی قیمت بازار سهام را با استفاده از روشهایی پیش بینی نمود ، سبب کاهش زیان یا ریسک سرمایه گذاری ( تصمیم ) خواهد شد . در تئوریهای جدید مالی ، ترکیب حداقل دو روش پیش بینی می تواند خطای پیش بینی را به میزان زیادی کاهش دهد ( مینز ، 1996 ) ، در این مقاله بر اساس قیمت های هفتگی سهام پذیرفته شده در بورس اوراق بهادار تهران در سال های 78-1377 و با استفاده از روشهای پیش بینی فردی (از قبیل میانگین متحرک ، باکس - جنکینز ، نمو هموار ، ...) ...
آشفتگی مالی و پیش بینی های مخدوش
حوزه های تخصصی: