پیش‌بینی قیمت سهام با استفاده از روش خود رگرسیون با وقفه توزیعی(ARDL)

نویسندگان

  • قاسم وحید پور
  • محمد حسن قلی زاده
چکیده مقاله:

پیش‌بینی قیمت سهام همواره مورد توجه بسیاری از سهامداران وتحلیل‌گران بوده است. این امر بیشتر در سال‌های اخیر با استفاده از روش‌های نوین صورت پذیرفته است. درحالی‌که بیشتر این روش‌ها متکی برمبانی رگرسیون هستند. ARDL (روش خود رگرسیون توضیح‌دهنده برداری) از روش‌های رگرسیون همجمع تک معادله‌ای که وقفه‌های گذشته متغیرهای مستقل و خود متغیر توضیحی را در معادله می‌گنجاند تا برآوردی دقیق به دست دهد. آزمون‌های مربوط به آن از جمله ثبات ساختاری و ناهمسانی واریانس و خود همبستگی بر روی آن انجام می‌شود تا برآورد و پیش‌بینی نهایی بر روی آن صورت گیرد.

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

پیش بینی قیمت سهام با استفاده از روش خود رگرسیون با وقفه توزیعی(ardl)

پیش بینی قیمت سهام همواره مورد توجه بسیاری از سهامداران وتحلیل گران بوده است. این امر بیشتر در سال های اخیر با استفاده از روش های نوین صورت پذیرفته است. درحالی که بیشتر این روش ها متکی برمبانی رگرسیون هستند. ardl (روش خود رگرسیون توضیح دهنده برداری) از روش های رگرسیون همجمع تک معادله ای که وقفه های گذشته متغیرهای مستقل و خود متغیر توضیحی را در معادله می گنجاند تا برآوردی دقیق به دست دهد. آزمون ...

متن کامل

پیش بینی قیمت سهام با روش رگرسیون فازی

در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون ARIMA و روش های نوینی، چون شبکه های عصبی برای قیمت سهام قرار دارند. در این پژوهش به روشی دست یافته شده که حاصل ادغام رگرسیون معمولی و رگرسیون فازی به همراه بهینه س...

متن کامل

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

متن کامل

پیش بینی قیمت سهام با روش رگرسیون فازی

در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون arima و روش های نوینی، چون شبکه های عصبی برای قیمت سهام قرار دارند. در این پژوهش به روشی دست یافته شده که حاصل ادغام رگرسیون معمولی و رگرسیون فازی به همراه بهینه س...

متن کامل

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

متن کامل

پیش‌بینی احتمال تغییر قیمت سهام با استفاده از رگرسیون لجستیک در بورس اوراق بهادار تهران

تحقیق حاضر پیش‌بینی‌پذیری احتمال تغییرات قیمت سهام را در بورس اوراق بهادار تهران با استفاده از مدل های اقتصادسنجی لاجیت چندجمله ای و لاجیت تلفیقی مورد مطالعه قرار می دهد. طول دوره مورد بررسی از ابتدای سال 1382 تا انتهای سال 1386 بوده و متغیرهای قیمت تعدیل یافته، درصد سهام مبادله شده و شاخص بازده نقدی و قیمت سهام به عنوان متغیرهای مستقل در نظر گرفته شده است. پیش بینی پذیری احتمال تغییرات قیمت سه...

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 9  شماره 2

صفحات  -

تاریخ انتشار 2008-10-22

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