اقتصاد مالی

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده های مربوط به 316 شرکت از نخستین روز کاری سال 1389 تا آخرین روز کاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آماره های اندازه گیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد که مدل ANN-GA در شناسایی دستکاری قیمت سهام و طبقه بندی شرکت ها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل SQDF داشته و خطای بسیار کمتری دارد.

۲۷۴۳.

پیش بینی قیمت سهام با رویکرد ترکیبی شبکه عصبی مصنوعی و الگوریتم رقابت استعماری مبتنی بر تئوری آشوب(مقاله علمی وزارت علوم)

نویسنده: سهیل احمدخان بیگی ندا عبدالوند

منبع: راهبرد مدیریت مالی سال پنجم پاییز ۱۳۹۶ شماره ۳ (پیاپی ۱۸)

کلیدواژه‌ها: شبکه عصبی پیش بینی قیمت سهام الگوریتم رقابت استعماری مبتنی بر تئوری آشوب

حوزه‌های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی

تعداد بازدید : ۸۹۲ تعداد دانلود : ۱۳۰۹

یکی از گزینه های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت های آشوبی و الگوریتم رقابت استعماری، زاویه حرکتی مستعمرات به سمت استعمارگر اصلاح شده و به این ترتیب احتمال قرارگیری در دام نقطه بهینه محلی تا حد ممکن کاهش یابد. هدف این مقاله معرفی و مقایسه عملکرد رویکرد پیشنهادی با سایر الگوریتم های بهینه سازی جستجوی پیشین می باشد. از اینرو با استفاده از اطلاعات قیمتی روزانه سهام شرکت ایران خودرو بین سال های 1389 تا 1395 به آموزش شبکه عصبی با الگوریتم های بهینه سازی مختلف پرداختیم. جهت ارزیابی میزان عملکرد رویکردها، از سه دیدگاه: میزان دقت پیش بینی(آماره های اندازه گیری خطاR2,RMSE)، میزان حافظه مصرفی و زمان اجرایی استفاده شد، نتایج حاکی از آن است که رویکرد پیشنهادی از عملکرد بهتری نسبت به سایر رویکردهای پیشین برخوردار می باشد.

۲۷۴۴.

بررسی تحلیلی تأثیر تفکیک جریان های نقد عملیاتی و اقلام تعهدی بر توانایی پیش بینی جریان های نقدی و سودهای آتی

نویسنده: محمدعلی آقایی سحر سپاسی مرتضی کاظم پور

منبع: راهبرد مدیریت مالی سال دوم زمستان ۱۳۹۳ شماره ۷

کلیدواژه‌ها: جریان های نقدی عملیاتی اقلام تعهدی غیرعادی اقلام تعهدی عادی جریان های نقدی عادی جریان های نقدی غیرعادی

حوزه‌های تخصصی:

حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی

تعداد بازدید : ۸۹۲ تعداد دانلود : ۵۸۹

هدف پژوهش حاضر مشخص کردن خصوصیات جریان های نقدی و اقلام تعهدی عادی و غیرعادی در زمینه پیش بینی جریان های نقدی و سود آتی است. در این راستا، چهار فرضیه تدوین و برای آزمون این فرضیه ها با استفاده از مدل جونز (1991) و مدل جیان مینگ (2007) هر یک از جریان های نقدی و اقلام تعهدی به دو بخش عادی و غیرعادی تفکیک شد و توانایی این اجزاء در پیش بینی جریان های نقدی و سود آتی تجزیه وتحلیل شد. نتایج آزمون نمونه پژوهش شامل 51 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره 1381 تا 1391 نشان دادند، توانایی جریان های نقدی عادی از جریان های نقدی غیرعادی در پیش بینی جریان های نقدی و سود آتی بیشتر است و توانایی اقلام تعهدی عادی از اقلام تعهدی غیرعادی در پیش بینی جریان های نقدی آتی کمتر و در پیش بینی سود آتی بیشتر است.

۲۷۴۵.