پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با الگوهای سنتی

Authors

  • داریوش دموری استادیار دانشگاه یزد، دانشکده اقتصاد، مدیریت و حسابداری، دکتری مدیریت مالی
  • داریوش فرید استادیار دانشگاه یزد، دانشکده اقتصاد، مدیریت و حسابداری، دکتری مدیریت مالی
  • مرتضی اشهر کارشناس ارشد، دانشگاه یزد، دانشکده اقتصاد، مدیریت و حسابداری، مدیریت بازرگانی گرایش مالی
Abstract:

هدف این تحقیق پیش‌بینی شاخص کل قیمت سهام با استفاده از الگوریتم پرواز پرندگان است تا فعالان بازار سرمایه و هم‌چنین تصمیم‌گیرندگان کلان بتوانند از آن به منظور پیش‌بینی روند این بازار استفاده کنند. دوره نمونه‌گیری این پژوهش ده‌ساله و از تاریخ 1378 تا 1387 در نظر گرفته شده است که در آن از شاخص کل قیمت سهام برای پیش‌بینی و هم‌چنین الگوسازی و آزمون استفاده می‌شود. برای این منظور، ابتدا یک چارچوب هوشمند پیش‌بینی طراحی، و در ادامه از الگوریتم پرواز پرندگان و هم‌چنین از الگو‌های سنتی نمو هموار ساده، هلت وینترز، اتورگرسیون، میانگین متحرک و آریما برای پیش‌بینی استفاده شده است. نتایج تحقیق حاکی است که در میان الگو‌های سنتی، آریما دارای بهترین براورد است؛ هم‌چنین در مقایسه الگو پرواز پرندگان با آریما مشخص شد که خطای براورد این الگوی هوشمند نسبت به آریما بسیار کم است که می‌توان از آن به منظور پیش‌بینی‌های آینده شاخص کل قیمت سهام استفاده کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی شاخص سهام با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با مدل های سنتی رایج در بورس اوراق بهادار تهران

اقتصاد کشور برای هم گرایی با اقتصاد جهانی نیازمند برخورداری از راهکارهای مشخص و دقیق و ابزارهای مناسب و کارآ می باشد. در پیشبرد اهداف توسعه اقتصادی کشور، توسعه بازارهای مالی در ابزار و ساختار، از مباحثی است که مورد توجه تمام مدیران و تصمیم گیرندگان کلان قرار می گیرد. از آنجایی که بورس اوراق بهادار یکی از بازار های مالی مهم در کشور محسوب می شود و شاخص سهام یکی از پارامترهای مهم در تعیین عملکرد آ...

15 صفحه اول

پیش‎بینی شاخص کل بورس اوراق بهادار تهران با مدل ARFIMA

در این مقاله با استفاده از داده‎های روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة 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 حافظة بلند است، بنابراین می‎توان با تفاضل‎گیری کسری آن را مانا کرد. پارامتر تفاضل‎گیری ب...

full text

مدل‌سازی شاخص کل بورس اوراق بهادار تهران با استفاده از معادلات دیفرانسیل تصادفی

در پژوهش پیش‌روی به انتخاب معادله دیفرانسیل تصادفی مناسب جهت مدل‌سازی رفتار شاخص کل بورس اوراق بهادار تهران پرداخته شده است. برای این منظور پس از ارائه توضیحات لازم در مورد ضرورت استفاده از مدل‌های تصادفی و در نتیجه اصول جدید تحت عنوان حسابان تصادفی، به معرفی مهم‌ترین معادلات تصادفی کاربردی در علوم مالی (شامل حرکت براونی هندسی، مدل با جمله پرش، گارچ غیرخطی، مدل واریانس گاما، واسیچک و هستون) پرد...

full text

پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از مدل حرکت براونی هندسی

استفاده از مدل‌های مبتنی بر معادلات دیفرانسیل تصادفی در سالیان اخیر مورد توجه پژوهشگران علوم مالی بوده است که یکی از معروف‌ترین آن‌ها مدل حرکت براونی هندسی (GBM) می‌باشد. هدف پژوهش حاضر پیش‌بینی شاخص کل بورس اوراق بهادار تهران، یکی از شاخص‌های مهم اقتصادی مورد توجه سرمایه‌گذاران، با استفاده از مدل حرکت براونی هندسی است. برای این منظور، شاخص کل بورس اوراق بهادار تهران در بازه زمانی ابتدای 1380 ت...

full text

مدل‌سازی شاخص کل بورس اوراق بهادار تهران با استفاده از معادله دیفرانسیل تصادفی هستون

  چکیده در پژوهش پیش ‌رو شاخص کل بورس اوراق بهادار تهران با استفاده از معادله دیفرانسیل تصادفی هستون مدل‌سازی شده و عملکرد این مدل مورد سنجش قرار گرفته است. بدین منظور پس از معرفی اجمالی معادلات دیفرانسیل تصادفی، به بررسی دقیق‌تر معادله هستون پرداخته و سپس، پارامترهای این مدل براساس داده‌های واقعی شاخص کل بورس اوراق بهادار تهران تخمین زده شده است. در این مسیر از قضیه­ فوکر – پلانک برای استخراج ...

full text

پیش‌بینی شاخص بورس اوراق بهادار تهران با استفاده از انفیس

هدف اصلی این تحقیق بررسی پیش‌بینی پذیری شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران به کمک انفیس و یافتن مدل مناسب برای پیش‌بینی شاخص بورس اوراق بهادار تهران (تدپیکس) بوده است. بدین منظور، نخست سه متغیر کلان اقتصادی به همراه مقادیر تاریخی شاخص تدپیکس به عنوان ورودی‌های مدل انتخاب شدند؛ سپس ساختارهای گوناگون انفیس و شبکه عصبی مصنوعی پس‌انتشار خطا برای بررسی پیش‌بینی پذیری و شناسایی مدل مناسب ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 5

pages  7- 30

publication date 2011-08-16

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