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

نویسندگان

  • علیرضا ورزیده کارشناسی ارشد مدیریت مالی دانشکده اقتصاد، مدیریت و حسابداری دانشگاه یزد.
  • مریم دولو استادیار گروه مدیریت مالی دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی.
چکیده مقاله:

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 تا پایان سال 1395 مورد بررسی قرار گرفت. نتایج پژوهش نشان‌ داد که مدل حرکت براونی هندسی قادر است تا شاخص کل بورس اوراق بهادار تهران را در افق زمانی 1 روزه با صحت بالا پیش‌بینی کند. از دیگر نتایج پژوهش حاضر این است که با افزایش افق زمانی پیش‌بینی، صحت مقادیر پیش‌بینی شده توسط مدل کاسته شده و توانایی مدل در شبیه‌سازی شاخص کاهش می‌یابد، با این حال تا افق پیش‌بینی 90 روزه کماکان مقادیر پیش‌بینی شده از صحت بالایی برخوردار است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

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 به‎...

متن کامل

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...

متن کامل

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 ...

متن کامل

مدل سازی 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 مدل سازی شده و عملکرد این مدل مورد سنجش قرار گرفته است. بدین منظور پس از معرفی اجمالی معادلات دیفرانسیل تصادفی، به بررسی دقیق تر معادله هستون پرداخته و سپس، پارامترهای این مدل براساس داده های واقعی شاخص کل بورس اوراق بهادار تهران تخمین زده شده است. در این مسیر از قضیه­ فوکر – پلانک برای استخراج تاب...

متن کامل

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 ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 13  شماره 46

صفحات  193- 208

تاریخ انتشار 2020-06-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023