ارزیابی مدل های پیش بینی شاخص های بازار بورس ایران

Authors

اسداله همایون

asdollah homaoun faculty of islamic azad university, marvdasht branchعضو هیأت علمی دانشگاه آزاد اسلامی مرودشت حمید محمدی

hamid mohammadi assistant professor faculty of economics, university of zabolاستادیار گروه اقتصاد کشاورزی دانشگاه زابل رسول کشتکار

rasul keshtkar faculty of islamic azad university, marvdasht branchعضو هیأت علمی دانشگاه آزاد اسلامی مرودشت

abstract

این مطالعه با هدف شناخت الگوهای مناسب پیش بینی شاخص های عمده بازار بورس اوراق بهادار ایران شامل شاخص سودنقدی، شاخص قیمت در بازارهای فرعی، اصلی و شاخص قیمت کل صورت گرفت. براساس یافته ها متوسط خطای پیش بینی الگوهای رگرسیونی مورد استفاده در سری های شاخص سود نقدی، شاخص قیمت بازار دوم، شاخص قیمت بازار اول و شاخص قیمت کل به ترتیب برابر با 72/0، 49/2، 41/4 و 55/5 درصد به دست آمد. بطورکلی برای سری های شاخص سود نقدی و همچنین سری شاخص قیمت بازار دوم الگوی arma به ویژه با انجام تعدیل اثر ماهانه دقیق ترین پیش بینی ها را ارائه نمود. اما درخصوص دو سری شاخص قیمت بازار اول و شاخص قیمت کل لحاظ کردن اثر arch مساعدت مطلوبی در پیش بینی داشت. البته الگوی arma درخصوص سری شاخص قیمت بازار اول نیز در زمره الگوهای دقیق پیش بینی کننده قرار گرفت. اما درخصوص شاخص کل مشخص گردید که درصورت استفاده از الگوی egarch می توان به پیش بینی های بسیار دقیق تر از سایر الگوها دست یافت. بطور کلی در یافته ها مشخص گردید که انجام تعدیل ماهانه در اغلب موارد قادر است به بهبود پیش بینی ها مساعدت نماید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی شاخص بازار بورس تهران با استفاده از مدل سری زمانی فازی مرتبه بالا و الگوریتم شبیه سازی تبرید

During the recent years extensive researchs have been done on fuzzy time series. Since length of intervals affect the forecasting results in these models, doing research in this area became an interesting topic for time series researchers, there are some studies on this issue but their results are not good enough. In this study, we propose a novel simulated annealing heuristic algorithm is use...

full text

ارائه مدل پیش بینی شاخص کل قیمت سهام با رویکرد شبکه های عصبی (مطالعه موردی: بورس اوراق بهادار تهران)

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 ...

full text

مدل های ریاضی پیش بینی در بازار بورس

بورس اوراق بهادار یک بازار متشکل و رسمی خرید و فروش سهام شرکت ها ضوابط و قوانین خاص است. عوامل زیادی در شکل گیری اطلاعات و دیدگاههای طرقین بازار و قیمت سهام شرکت ها موثر است. بخشی از این عوامل داخلی و بخشی نیز ناشی از وضعیت متغیرهایی در خارج از محدوده از اقتصاد داخلی است. در این میان، تولید ناخالص داخلی، نرخ تورم، نقدینگی و قیمت نفت خام به عنوان شاخص های کلان اقتصادی و یمت طلا، قیمت اجاره مسکن،...

15 صفحه اول

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...

full text

استفاده از جنگل های تصادفی جهت پیش بینی شاخص کل بازار بورس ایران

هدف فعالان بازار بورس کسب سود مناسب از سرمایه گذاری خود در سهام شرکت های مورد معامله می باشد. برای سرمایه گذاری مناسب، فرد بایستی ابتدا شرایط کلی بازار، شرایط صنعتی که سهم در آن قرار دارد و در نهایت وضعیت سهم مورد نظر را بررسی کند. وضعیت کلی بازار بورس را می توان از شاخصی تحت عنوان قیمت شاخص کل که ترکیبی از تمام سهام موجود در بازار است فهمید. روش های گوناگونی برای پیش بینی قیمت شاخص کل بازار اس...

15 صفحه اول

طراحی مدلی جهت پیش بینی بازده شاخص بورس (با تاکید بر مدل های ترکیبی شبکه عصبی و مدل های با حافظه بلندمدت)

این پژوهش به معرفی ‌مدل‌هایی از ترکیب خانواده GARCH و شبکه عصبی مصنوعی، جهت پیش‌بینی بازدهی روزانه شاخص بورس اوراق بهادار تهران طی فاصله زمانی 1396-1387 می‌پردازد. وجود ویژگی ‌حافظه ‌بلندمدت‌ در واریانس ‌شرطی بازدهی شاخص کل بورس موجب شده تا ‌علاوه‌ ‌بر ‌مدل‌های ‌دارای ‌حافظه ‌کوتاه‌مدت GARCH و EGARCH در این ‌پژوهش از مدل‌های FIGARCH و FIEGARCH که دارای ویژگی حافظه بلندمدت هستند؛ استفاده ‌گردد. ...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش ها و سیاست های اقتصادی

جلد ۱۸، شماره ۵۶، صفحات ۹۵-۱۱۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023