پیش‌بینی بازده سهام با استفاده از مدل‌های غیرخطی آستانه‌ای و بررسی نقش حجم معاملات در بهبود عملکرد این مدل‌ها

Authors

  • سحر باقری کارشناس ارشد مدیریت مالی، دانشگاه الزهرا، تهران، ایران
Abstract:

در طول سال‌های اخیر مدل‌های سری زمانی غیر‌خطی یکی از ابزارهای جدید در توصیف و پیش-بینی بازدهی سهام بوده است. شواهد بسیاری رابطه عکس بین بازدهی آینده سهام و حجم معاملات را تأیید کرده است. وجود این رابطه نشان می‌دهد، حجم معاملات می‎تواند به‌عنوان متغیر آستانه‌ای مناسب در مدل‌های خودتوضیح آستانه‌ای (TAR) و خودتوضیح انتقال هموار لجستیک (LSTAR) استفاده شود. در این پژوهش توانایی مدل‌های خطی ARMA و مدل‌های TAR و LSTAR مقایسه شده است. علاوه‌بر این از متغیر حجم معاملات به‌عنوان متغیر آستانه‌ای یا انتقال در مدل‌های TAR و LSTAR استفاده شده است. بدین منظور نمونه‌ای از 26 شرکت در طول سال-های 1380 تا 1388 از شرکت‌های بورس اوراق بهادار تهران مورد مطالعه قرار گرفتند. از داده‎های 7 سال به عنوان داده‌های آموزشی و از داده‌های 2 سال به عنوان داده‌های آزمایشی استفاده شد. با استفاده از آزمون دایبلد ماریانو ، عملکرد مدل‌ها مورد مقایسه قرارگرفت. نتایج نشان دادند، مدل‌های غیرخطی از قدرت پیش‎بینی بالاتری نسبت به مدل ARMA برخوردارند. همچنین به‎کارگیری حجم معاملات در مدل‌های غیرخطی عملکرد این مدل‌ها را بهبود نبخشید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی بازده سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدلهای غیرخطی و بررسی نقش حجم معاملات در بهبود عملکرد این مدلها

در طول سالهای اخیر مدلهای سری زمانی غیر خطی یکی از ابزارهای جدید در توصیف و پیش-بینی بازدهی سهام بوده است. شواهد بسیاری رابطه عکس بین بازدهی آینده سهام و حجم معاملات را تائید کرده است. وجود این رابطه نشان می دهد که حجم معاملات می تواند به عنوان متغیر آستانه ای مناسب در مدلهای اتورگرسیو آستانه ای tar و اتورگرسیو انتقال هموار لجستیک lstar استفاده شود. بنابراین ما در این تحقیق توانایی مدلهای خطی a...

15 صفحه اول

پیش بینی بازده سهام با استفاده از مدل های غیرخطی آستانه ای و بررسی نقش حجم معاملات در بهبود عملکرد این مدل ها

در طول سال های اخیر مدل های سری زمانی غیر خطی یکی از ابزارهای جدید در توصیف و پیش-بینی بازدهی سهام بوده است. شواهد بسیاری رابطه عکس بین بازدهی آینده سهام و حجم معاملات را تأیید کرده است. وجود این رابطه نشان می دهد، حجم معاملات می‎تواند به عنوان متغیر آستانه ای مناسب در مدل های خودتوضیح آستانه ای (tar) و خودتوضیح انتقال هموار لجستیک (lstar) استفاده شود. در این پژوهش توانایی مدل های خطی arma و مد...

full text

بررسی ارتباط همزمان و پویای حجم معاملات و بازده سهام با استفاده از مدل‌های خودرگرسیون برداری

این مقاله به بررسی ارتباط همزمان و پویای حجم معاملات و بازده سهام در بورس اوراق بهادار تهران می‌پردازد. این تحقیق سری زمانی بازده ماهانه سهام و حجم معاملات ماهانه طی دوره زمانی ابتدای سال 1379 تا مهرماه سال 1390 را بررسی می‌کند. برخلاف مطالعات انجام شده در بازارهای توسعه یافته، شواهد حاصل از این تحقیق نشان می‌دهد که در روابط همزمان بین حجم معاملات و بازده سهام همبستگی مثبت و معنی‌دار وجود ندارد...

full text

بررسی همبستگی نامتقارن بین بازده سهام، حجم معاملات و تلاطم بازار سهام تهران (رویکرد DCC-GARCH)

در این تحقیق همبستگی نامتقارن و غیرخطی بین متغیرهای بازده بازار و حجم معاملات با رویکرد DCC-GARCH مدل‌سازی و تأثیر شوک‌های وارد بر بازار سهام، تعطیلات آخر هفته، و آثار تقویمی بر بازده سهام و حجم معاملات بررسی شده است. نتایج تخمین پارامترهای مدل به روش حداکثر درست‌نمایی نشان می‌دهد که بازده روز قبل بازار تأثیر مثبت بر رشد حجم معاملات دارد، ولی تأثیر رشد حجم معاملات دورة قبل بر تغییر بازده بازار ...

full text

بررسی ارتباط علّی و همزمان بازده سهام، حجم معاملات و نوسان بازده بورس اوراق بهادار تهران: کاربردی از مدل‌های چندگانه

پژوهش حاضر به بررسی ارتباط علی و همزمان بازده سهام، حجم معاملات و نوسان بازده با استفاده از مدل‌های چندگانه VAR-GRJ-GARCH و GRJ-GARCH-DCC پرداخته است. برای تخمین ارتباط همزمان بازده سهام و حجم معاملات، به جای رویه یک مرحله‌ای از رویه دو مرحله‌ای استفاده شد که بر مشکلات عددی معین که اغلب در تخمین مدل‌های چندگانه GARCH پیش می‌آید، غلبه خواهد کرد. در ابتدا و برای پاسخ به فرضیه اول، با استفاده از م...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 13  issue 32

pages  -

publication date 2013-02-19

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023