طراحی مدل پیش بینی بازده بلندمدت سهام با شبیه سازی ناپارامتریک بازده اوراق بدهی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 265

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_FINANC-8-21_007

تاریخ نمایه سازی: 15 آبان 1400

چکیده مقاله:

پیش­بینی نرخ بازده سهام همواره یکی از مباحث مهم بازارهای مالی بوده و یکی از فاکتورهای مهم سرمایه­گذاری است. هدف اصلی این پژوهش، پیش­بینی بازده اضافی سهام بر اساس داده های مبتنی بر اوراق بدهی و سایر متغیرهای اقتصادی و بازار سرمایه در ایران است. مدل ارایه شده بر رابطه غیرخطی میان مجموعه­ای از متغیرهای کمی تاکید دارد و مبنای ساختاربندی آن، مدل­های پارامتریک و ناپارامتریک با به کارگیری هموارسازی موضعی و خطی هسته­ای است. ابتدا متغیرهای تاثیرگذار بر نرخ بازده اوراق بدهی مورد بررسی و شناسایی قرار گرفت. پس از شناخت متغیرهای تاثیرگذار در مرحله اول، مدل پیش بینی نرخ بازده اوراق بدهی ساختاربندی شد. این مدل سازی بر اساس دو روش پیش­بینی پارامتریک و ناپارامتریک نرخ بازده اوراق بدهی طراحی و ارایه شد. در ادامه به منظور تعیین عامل های تاثیرگذار بر پیش بینی نرخ بازده اضافی سهام، ساختاربندی مدل به صورت خطی پارامتریک و غیرخطی ناپارامتریک و با استفاده از نتایج حاصل در سه گام مختلف و با رعایت معیار  مورد بررسی قرار گرفت. نتایج حاصل از اجرای مدل نشان می­دهد در تمامی سه گام مورد بررسی و بر اساس معیار ، نتایج حاصل از اجرای مدل­های مختلف بر اساس رویکرد ناپارامتریک بهتر از رویکرد پارامتریک عمل می­کند.

کلیدواژه ها:

نویسندگان

حسن قالیباف اصل

دانشگاه الزهرا

رضا تهرانی

دانشگاه تهران

محمدرضا رستمی

دانشگاه الزهرا

علیرضا سیری

دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ang, A., Bekaert, G. (۲۰۰۶). Stock return predictability: Is it ...
  • Aslanidis, N., Christiansen, C. (۲۰۱۲). Smooth transition patterns in the ...
  • Asness, C. (۲۰۰۳). Fight the Fed Model: The relationship between ...
  • Bao, J., Kewei, H. (۲۰۱۴). Comovement of corporate bonds and ...
  • Bikker, J., Broeders, D., Hollanders, D., & Ponds, E. (۲۰۱۲). ...
  • Bossaerts, P., Hillion, I. (۱۹۹۹). Implementing Statistical criteria to select ...
  • Campbell, J.Y., Thompson, S.B. (۲۰۰۸). Predicting excess stock returns out ...
  • Ilmanen, A. (۲۰۰۳). Stock- Bond corrlations. Journal of Fixed Income, ...
  • Elliott, G., Gargano, A., & Timmermann, A. (۲۰۱۳). Complete subset ...
  • Goyal, A., Welch, I. (۲۰۰۸). A comprehensive look at the ...
  • Guidolin, M., Timmermann, A. (۲۰۰۶). An econometric model of nonlinear ...
  • Guillen, M., Konicz, A., Nielsen, J.P., & Perez-Marin, A. (۲۰۱۳). ...
  • Keim, D., Stambaugh, R. (۱۹۸۶). Predicting returns In the stock ...
  • Lee, T. H., Tu, Y., & Ullah, A. (۲۰۱۵). Forecasting ...
  • McMillan, D.G. (۲۰۰۷). Non-linear Forecasting of Stock Returns: Does Volume ...
  • Nielsen, J.P., Sperlich, S. (۲۰۰۳). Prediction of stock returns: A ...
  • Olson, D., Mossman, C,. (۲۰۰۳). Neural Network Forecasts of Canadian ...
  • Park, B.U., Kim, W.C., Ruppert, D., Jones, M.C., Signorini, D.F., ...
  • Rapach, D.E., Wohar, M.E., & Rangvid, J. (۲۰۰۵). Macro variables ...
  • Scholz, M., Nielsen, J. P., & Sperlich, S. (۲۰۱۲). Nonparametric ...
  • Scholz, M., Sperlich, S., & Nielsen, J.P. (۲۰۱۶). Nonparametric long ...
  • Wolf, M. (۲۰۰۱). Stock returns and dividend yields revisited: A ...
  • نمایش کامل مراجع