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...

در این مقاله شبکه مصنوعی عصبی تنظیم شده بیزی به عنوان یک روش جدید برای پیش بینی وضعیت مالی بازار پیشنهاد داده شده است. قیمت روزانه بازار و شاخص های فنی مالی به عنوان ورودی برای پیش بینی یک روز بعد قیمت سهام فردی بسته شده، استفاده شده است. پیش بینی حرکت قیمت سهام به طور کلی بعنوان یک کار چالش برانگیز و مهم برای تجزیه و تحلیل سری های زمانی مالی در نظرگرفته می شود. پیش بینی دقیق حرکات قیمت سهام می...

تحقیق حاضر به منظور بررسی رابطه بین سرمایه­گذاران نهادی، سلامت مالی و وزنی را که بازار در زمان ارزشگذاری سهام به سودخالص و ارزش دفتری حقوق صاحبان سهام می­دهد صورت پذیرفته است. مطالعات پیشین نشان داده­اند، وزنی را که بازار در زمان ارزشگذاری سهام به سودخالص و ارزش دفتری حقوق صاحبان سهام می­دهد تابعی از سلامت مالی شرکت می­باشد بدین صورت که اگر شرکتی دارای سلامت مالی بالایی بوده و در سال جاری سود گ...

در تحقیق حاضر،توان مدل سه متغیره فاما و فرنچ(1993)،ارزش گذاری دارایی هایی سرمایه ای و شبکه های عصبی مصنوعی در تبیین بازده سهام در بورس اوراق بهادار تهران مقایسه و سعی شده است به این پرسش پاسخ داده شود که قدرت پیش بینی کدام یک بیشتر است. متغیرهای مدل فاما وفرنچ عبارتند از بازده مازاد بازار،اندازه و نسبت ارزش دفتری به ارزش بازار و متغیر وابسته بازده پرتقوی سهام دوره زمانی 5 ساله از ابتدای 1385 تا...

شرکتها در زمان پذیرفته شدن در بورس اوراق بهادار موظف به اعلام سود پیش بینی شده شرکت میباشند. سرمایه گذاران از این اطلاعات برای تصمیمات آنی خود بهره میگیرند. افت سود پیش بینی بسیار حائز اهمیت است چرا که به نظر میرسد یک معیار برای بازده بلند مدت سهام باشد. در این تحقیق، دقت سود پیش بینی شده شرکتهایی که به تازگی در فهرست شرکتهای پذیرفته شده در بورس اوراق بهادار تهران قرار گرفته اند، آزمون میگردد ...

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...

مقدمه: در این پژوهش از الگوی اقتصادسنجی و شبکه عصبی پایه شعاعی برای افزایش اثربخشی، کاهش هزینه و زمان روش تحلیل بنیادی در پیش بینی قیمت سهام شرکت های صنایع مواد و محصولات دارویی، محصولات شیمیایی و وسایل اندازه گیری پزشکی و اپتیکی استفاده شده است. روش پژوهش: پژوهش حاضر کاربردی و طرح آن از نوع شبه تجربی است. جامعه آماری این پژوهش متشکل از 30 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زما...

پیش بینی نرخ بازده سهام همواره به عنوان یکی از مهم‏ترین مباحث بازارهای مالی مطرح بوده است.. هدف پژوهش حاضر، بررسی توان توضیح‏دهندگی بازده سهام توسط مدل‏های پنج عاملی فاما و فرنچ، چهار عاملی کارهارت و q-عاملی هو، خو و ژانگ (HXZ) است. نتایج پژوهش با استفاده از اطلاعات ماهانه شرکت‏های پذیرفته شده در بورس اوراق بهادار تهران طی دوره 1389 تا 1393 نشان می‏‎دهد که توان تبیین بازده سهام توسط مدل پنج عام...

در این مقاله شبکه مصنوعی عصبی تنظیم شده بیزی به عنوان یک روش جدید برای پیش بینی وضعیت مالی بازار پیشنهاد داده شده است. قیمت روزانه بازار و شاخص‌های فنی مالی به عنوان ورودی برای پیش بینی یک روز بعد قیمت سهام فردی بسته شده، استفاده شده است. پیش بینی حرکت قیمت سهام به طور کلی بعنوان یک کار چالش برانگیز و مهم برای تجزیه و تحلیل سری‌های زمانی مالی در نظرگرفته می‌شود. پیش بینی دقیق حرکات قیمت سهام می...