فرایندهای سری زمانی را می توان به سه طبقه خطی، تصادفی و آشوبگونه دسته بندی کرد و براین اساس قابلیت پیش بینی در فرایندهای خطی ممکن، درفرایندهای تصادفی غیرممکن و در فرایندهای آشوبگونه تا حدی ممکن است. تحقیقات و مطالعات انجام شده قبلی در زمینه مدل سازی و پیش بینی قیمت سهام بیشتربر اساس اثبات این فرضیه بوده است که تغییرات قیمت و بازده سهام در بازار بورس و مخصوصآ بازار بورس تهران علیرغم شباهت زیادی...

این مقاله به بررسی عملکرد پیش بینی مدل های ARIMA و ARFIMA با استفاده از داده‌های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشNLS  در بسته نرم‌افزار Oxmetric/pcgive  استفاده شد و پس از مقایسه نتایج مدل­های تحقیق؛ مدل ARFIMA بر اساس معیار AIC مدلی برتر در مدل سازی TEPIX مشخص گردید. همچنین از میان براورد...

رشد و توسعه بازارها و ابزارهای مالی و تخصصی شدن مقوله سرمایه گذاری ایجاب می نماید سرمایه گذاران از ابزارها و مدل هایی استفاده نمایند که در انتخاب بهترین سرمایه گذاری و مناسب ترین پورتفوی به آن ها یاری دهد. این امر موجب شد که نظریه ها، مدل ها و روش های گوناگونی برای قیمت گذاری دارایی های مالی و پیش بینی بازده سهام مطرح شده و هر روز در حال توسعه و تغییر باشد. هدف این پژوهش افزودن عامل شتاب به مدل...

این مقاله به بررسی عملکرد پیش بینی مدل های arima و arfima با استفاده از داده های روزانه بازده شاخص کل سهام تهران در بازه زمانی 04/09/1380 تا 09/09/1390 می پردازد. در این راستا جهت تخمین پارامتر d و دیگر پارامترها، از روشnls  در بسته نرم افزار oxmetric/pcgive  استفاده شد و پس از مقایسه نتایج مدل­های تحقیق؛ مدل arfima بر اساس معیار aic مدلی برتر در مدل سازی tepix مشخص گردید. همچنین از میان براورد...

پیش بینی نرخ بازدهی سهام, همواره به عنوان یکی از مهم ترین مباحث بازار های مالی مطرح بوده است. این مقاله ، به مقایسه مدل سه عاملی فاما و فرنچ و مدل شبکه عصبی رگرسیون عمومی، برای پیش بینی بازدهی سهام شرکتهای بورس اوراق بهادار تهران در قلمرو زمانی بین سالهای 1378 تا 1388 می پردازد. با استفاده از دو فرضیه که فرضیه اول دقت مدلها را در پیش بینی بازده ماهانه سهام  شرکتهای هدف، و فرضیه دوم دقت مدلها را...

مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای...

این پژوهش به بررسی این موضوع می پردازد که آیا جستجوی نام و نماد شرکت در موتور جستجوی گوگل می تواند فعالیت سهام شرکت در بازار را پیش بینی کند؟ از این رو، داده های مربوط به جستجوی نام و نماد شرکت ها از گوگل ترند جمع آوری و نیز فعالیت بازار سهام با استفاده از چهار متغیر بازده غیرعادی، نوسان بازده سهام، حجم معاملات و تعداد معاملات سهام اندازه گیری شده است. در راستای پاسخ به سوال پژوهش، با استفاده ا...

طبق تئوری قیمت گذاری آربیتراژ(apt) بازده واقعی سهام شرکت به مجموعه متنوعی از عوامل کلان ریسک اقصادی ومالی، وهمچنین عوامل خاص شرکت یاصنعت وابسته است. حساسیت بازده یک دارایی به تغییرات پیش بینی نشده درعوامل کلان ریسک بیانگر معیار ریسک سیستماتیک ورقه بهادار است. درحالت تعادل، بازده پیش بینی شده ورقه بهادار تابعی خطی از حساسیتهای بازده واقعی ورقه بهادار به تغییرات پیش بینی نشده در عوامل کلان ریسک ا...

هدف این تحقیق پیش بینی بازده سهام با استفاده از نسبت های حسابداری با رویکرد شبکه های عصبی است. در این تحقیق توانایی پیش بینی بازده سهام با استفاده از نسبت های حسابداری با دو رویکرد شبکه های عصبی مصنوعی و رگرسیون حداقل مربعات مورد بررسی قرار گرفته است. متغیرهای مستقل در این تحقیق نسبت های حسابداری و متغیر وابسته بازده سهام می باشد بدین منظور نسبت های حسابداری برای دو صنعت سیمان و دارو به مدت 8 س...

این مطالعه به بررسی پیش بینی پذیری رفتاربازده سهام شرکت های یذیرفته شده در بورس اوراق بهادار تهران وهمچنین انجام عمل پیش بینی بازده با استفاده از شبکه های عصبی مصنوعی می پردازد. به منظور انجام عمل پیش بینی بازده، در مرحله اول روند گذشته سری زمانی مربوط به شرکت ها و همچنین سه متغیر از متغیرهای تحلیل تکنیکی (شاخص سهام، حجم سهام مبادله شده و آخرین نرخ سهام در روز) برای مدت 5 سال(تیرماه 1377 لغایت ...