این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سیاست های مالی و اقتصادی، جلد ۳، شماره ۱۲، صفحات ۱۲۵-۱۴۸
عنوان فارسی کاربرد سامانه‌های پویای پارامتری و ناپارامتری در پیش‌بینی بازدهی سهام: مطالعه موردی بازار بورس تهران
چکیده فارسی مقاله با توجه به نقش بازارهای سرمایه در فرایند تجمیع و توزیع منابع مالی، این بازارها و به‌ویژه بازار بورس همواره مورد توجه سرمایه‌گذاران داخلی و خارجی و دولت­ها بوده‌اند. از جمله مسائل بازارهای مالی، مسئله ریسک و مدیریت آن است که در بازار بورس این مقوله ارتباط تنگاتنگی با پیش‌بینی قیمت و بازده سهام دارد که اهمیت آن در سنجش کارایی اطلاعاتی بازار منعکس شده ‌است. بر این اساس، پژوهش حاضر به دو روش متفاوت؛ پویاپارامتری با استفاده از مدل نوسانی ARMA-PGARCH و رویکرد پویاناپارامتری با بهره‌گیری از شبکه عصبی خودبازگشتی NARX به مدلسازی و پیش‌بینی بازده بورس تهران می‌پردازد. پیش‌بینی‌ها به دو صورت درون‌داده‌ای و برون‌داده‌ای و بر مبنای مشاهدات روزانه طی دوره 6/7/1376 تا 02/03/1394 انجام شده است. بر اساس نتایج به‌دست آمده، دقت مدل‌ها در زمینه پیش­بینی، مقایسه گردیده و همچنین کارایی اطلاعاتی بورس تهرانمورد بررسی قرارگرفته است. نتایج پژوهش حاضر نشان‌دهنده عملکرد و کارایی دقیق سامانه پویای ناپارامتریکر مقایسه با رویکرد پارامتریک بوده است. همچنین، یافته‌ها حاکی از عدم کارایی اطلاعاتی بازار بورس تهراندر سطح ضعیف آن می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of Dynamic Parametric and Non Parametric Systems in Stock Market Return Forecasting: Case Study of Tehran Stock Market
چکیده انگلیسی مقاله Paying attention to the role of capital markets in providing suitable floor for capital gathering and distribution of financial resources, such markets and stock markets in particular are in the center of attention of domestic and foreign investors as well as government sector. One of the major issues in such markets is risk management that in the stock market this problem is closely related to the price or return forecasting and its importance has reflected in evaluation of market informational efficiency. in this regard, the present study focuses on two different methods: (a)dynamic-parametric method of ARMA-PGARCH and (b): dynamic-nonparametric procedure of NARX artificial neural network and forecasting Tehran stock return. Predictions are carried out in the form of in-sample and out-sample using daily observations of TEPIX from Septemper-1997 to May-2015. Forecasting horizon of next five working days has adopted for the out-sample prediction and eight error criteria are picked out in order to assess accuracy of each approach. Outcomes of this research implying higher precision of the dynamic neural network performance in comparison with the parametric method of ARMA-PGARCH. In addition, the results are in favor of inexistence of weak-form of informational efficiency in Tehran stock market.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سیداحسان حسینی دوست | seyed ehsan hosseinidoust


محمدحسن فطرس | mohammad hassan fotros
استاد دانشکده علوم اجتماعی و اقتصاد - دانشگاه بوعلی سینا - همدان
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)

شراره مساحی | sharareh massahi


نشانی اینترنتی http://www.qjfep.ir/browse.php?a_code=A-10-384-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/923/article-923-189606.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات