مطالعه ای بر رفتار داده های بازده شاخص بورس تهران و ارائه روش پیش بینی تغییر رژیم مبتنی بر شبکه های عصبی عمیق

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 182

فایل این مقاله در 27 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_FINANC-11-34_006

تاریخ نمایه سازی: 22 فروردین 1401

چکیده مقاله:

در این پژوهش با نگاهی آماری بر داده های بورس تهران اقدام به شناسایی رفتار و فرآیند تولید داده های بازده روزانه شاخص بورس تهران شده و پس از انجام آزمون های متعدد، با شناسایی رفتار آماری این داده ها و اظهارنظر راجع به کارایی این بازار، اقدام به توسعه مدلی نوین برای پیش بینی  آن شده است. لازم به ذکر است که ساختار مدل ارائه شده مطابق با رفتار آماری این داده ها تدوین شده است. مدل ارائه شده متشکل از دو شبکه عصبی مصنوعی احتمال ترکیبی و حافظه کوتاه مدت و بلندمدت ماندگار می باشد که با در نظر گرفتن تعداد رژیم های رفتاری متفاوت، حرکات روزانه بازده شاخص بورس تهران را در بازه زمانی آذر ۱۳۸۷ تا فروردین ۱۴۰۰ توضیح می دهد. آزمون های متفاوت کارایی ضعیف بازار را رد کرده و ذات آشوبی را در رفتار بازده شاخص کل بورس تهران نشان می دهد. مدل ارائه شده در این پژوهش توانسته است دقت بهتری نسبت به مدل بدون در نظر گرفتن رژیم کسب بنماید. آزمون دیابولد ماریانو معنی دار بودن این تفاوت دقت مدل ها را تائید کرده و آزمون معکوس با در نظر گرفتن هزینه معاملاتی نشان داده است که استراتژی این مدل با در نظر گرفتن چند رژیم، بازده بالاتری نسبت به مدل بدون رژیم و شاخص بازار کسب می کند.

کلیدواژه ها:

نویسندگان

امین امینی مهر

دانشجوی کارشناسی ارشد مدیریت مالی، موسسه آموزش عالی ارشاد دماوند، تهران، ایران.

سعید باجلان

استادیار، گروه مالی و بیمه، دانشگاه تهران، تهران، ایران.

هانیه حکمت

استادیار، گروه حسابداری، دانشگاه الزهراء، تهران، ایران.

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 :
  • Aminimehr, A., Raoofi, A., Aminimehr, A., & Aminimehr, A. (۲۰۲۰). ...
  • Assadi, G., Morshedi, F. (۲۰۱۹). Investigating the effect of Investor ...
  • badiei, h., Rezazadeh, R., & Mahmoudi, H. (۲۰۱۷). Forecasting Stock ...
  • Bildirici, M., & Ersin, Ö. Ö. (۲۰۰۹). Improving forecasts of ...
  • Bildirici, M., & Ersin, Ö. (۲۰۱۴). Modeling Markov Switching ARMA-GARCH ...
  • Bildirici, M., & Ersin, Ö. (۲۰۱۶). Markov Switching Artificial Neural ...
  • Bishop, C. (۱۹۹۴). Mixture density networks ...
  • Bollerslev, T. (۱۹۸۶). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, ...
  • Broock, W. A., Scheinkman, J. A., Dechert, W. D., & ...
  • Busse, J. A., & Clifton Green, T. (۲۰۰۲). Market efficiency ...
  • Dima, B., & Miloş, L. (۲۰۰۹). TESTING THE EFFICIENCY MARKET ...
  • Doan, T., & Lo, A. (۱۹۸۸). Stock Market Prices do ...
  • Engle, R. F. (۱۹۸۲). Autoregressive Conditional Heteroscedasticity with Estimates of ...
  • Fama, E. F. (۱۹۷۰). Efficient Capital Markets: A Review of ...
  • Hajizadeh, E., Seifi, A., Fazel Zarandi, M. H., & Turksen, ...
  • Hamilton, J. D. (۱۹۸۸). Rational-expectations econometric analysis of changes in ...
  • Haofei, Z., Guoping, X., Fangting, Y., & Han, Y. (۲۰۰۷). ...
  • Hasannejad, M. (۲۰۱۸). Designing a Model for Projection of Tehran ...
  • Kim, H. Y., & Won, C. H. (۲۰۱۸). Forecasting the ...
  • Kristjanpoller, W., & Minutolo, M. (۲۰۱۵). Gold price volatility: A ...
  • LeCun, Y., Bengio, Y., & Hinton, G. (۲۰۱۵). Deep learning. ...
  • Lo, A., & Management, S. (۱۹۸۹). Long-term memory in stock ...
  • Lo, A. W. (۲۰۰۴). The Adaptive Markets Hypothesis. The Journal ...
  • Zolfaghari, M., Sahabi, B., & Bakhtyaran, M. j. (۲۰۲۰). Designing ...
  • Ozbayoglu, A. M., Gudelek, M. U., & Sezer, O. B. ...
  • Park, J.-I., Lee, D.-J., Song, C.-K., & Chun, M.-G. (۲۰۱۰). ...
  • Pele, D. T., & Voineagu, V. (۲۰۰۸). Testing market efficiency ...
  • Pesaran, M. H., & Timmermann, A. (۱۹۹۲). A Simple Nonparametric ...
  • Quandt, R. E. (۱۹۷۲). A New Approach to Estimating Switching ...
  • Rather, A. M., Agarwal, A., & Sastry, V. N. (۲۰۱۵). ...
  • Rosenberg, B., Reid, K., & Lanstein, R. (۱۹۸۵). Persuasive evidence ...
  • Samuelson, P. A. (۲۰۱۳). Proof that Properly Anticipated Prices Fluctuate ...
  • Shiller, R. J. (۱۹۸۱). Do Stock Prices Move Too Much ...
  • Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, ...
  • Ta, V.-D., Liu, C.-M., & Tadesse, D. A. (۲۰۲۰). Portfolio ...
  • Tehrani, r., Tajdini, s., Abbasian, E., & Mirlohi, M. (۲۰۲۱). ...
  • Wang, W., Li, W., Zhang, N., & Liu, K. (۲۰۲۰). ...
  • Wang, Y.-H. (۲۰۰۹). Nonlinear neural network forecasting model for stock ...
  • Zhong, X., & Enke, D. (۲۰۱۹). Predicting the daily return ...
  • نمایش کامل مراجع