Article

مدل سازی و پیش بینی قیمت سهمام با استفاده از معادلات دیفرانسیل تصادفی

Abstract

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 که به رفتار تصادفی و اتفاقی دارد، اتفاقی نیست بلکه از نوع آشوبگونه است و بنابر این می توان توسط مدل های پیچیده و قوی مانند شبکه های عصبی، فازی و ترکیب های مختلف این دو روش مدل سازی و نیز پیش بینی کوتاه مدت و میان مدت را انجام داد. در این تحقیق، تغییرات قیمت و بازده سهام در بازار بورس تهران با هدف مدل سازی بر اساس معادلات دیفرانسیل تصادفی بر روی مقوله پیش بینی، مورد مطالعه و بررسی قرار گرفته است، با در نظر گرفتن نوسانات قیمت سهام به شکل تصادفی و بر اساس مدل بلاک و شولز، مدل سازی دینامیک فرایند مولد قیمت سهام در بازار بورس تهران را با استفاده از معادلات دیفرانسیل تصادفی پیشنهاد کرده و بر این اساس مدل سازی، شبیه سازی و پیش بینی قیمت و بازده برای یکی از شرکت های عضو بازار بورس تهران انجام می گیرد، برای بررسی کارایی روش پیشنهادی مقایسه ای نیز با روش مدل سازی خطی صورت پذیرفته است. طبقه بندی jel:,c535c

Similar items

  • مقایسه پیش بینی تورم بر پایه معادلات دیفرانسیل تصادفی با مدل های رقیب

    Article2013فصلنامه علمی پژوهشی پژوهش های اقتصادی (رشد و توسعه پایدار)احمد ملا بهرامی، حسن خداویسی، رضا حسینی

    در این مقاله به منظور پیش بینی تورم در اقتصاد ایران، ابتدا ماهیت سری زمانی cpi برای داده های ماهانه ایران در بازه زمانی 1 m1369 تا 6 m1388، از لحاظ خطی ویا غیر خطی بودن و همچنین آشوبی یا تصادفی بودن مشخص گردیده است. نتایج آزمون ها نشان می دهد که سری زمانی تورم ساختاری غیرخطی دارد

  • مقایسه پیش بینی تورم بر پایه معادلات دیفرانسیل تصادفی با مدل های رقیب

    Article2013پژوهش های رشد و توسعه پایداراحمد ملا بهرامی، حسن خداویسی، حسن خداویسی، رضا حسینی

    در این مقاله به منظور پیش بینی تورم در اقتصاد ایران، ابتدا ماهیت سری زمانی CPI برای داده های ماهانه ایران در بازه زمانی 1 m1369 تا 6 m1388، از لحاظ خطی ویا غیر خطی بودن و همچنین آشوبی یا تصادفی بودن مشخص گردیده است. نتایج آزمون ها نشان می دهد که سری زمانی تورم ساختاری غیرخطی دارد

  • مدل سازی پیش بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روشهای پیش بینی ریاضی

    Articleپژوهشنامه اقتصادی

    استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش بینی باشند. بر این مبنا در سالهای بسیار، روشهایی ریاضی؛ اعم از میانگین ساده، میان

  • مدل سازی پیش بینی eps با استفاده از شبکه های عصبی - فازی

    Article2014پژوهشهای حسابداری مالی وحسابرسیعلی اصغر انواری رستمی، عادل آذر، محمد نوروزی

    پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصا

  • مدل سازی و پیش بینی قیمت سهمام با استفاده از معادلات دیفرانسیل تصادفی

    Article2005تحقیقات اقتصادیدکتر حمید خالوزاده، دکتر على خاکى صدیق

    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 ا

  • مدل سازی پیش بینی گردشگری ورودی به ایران با استفاده از روش هایARIMA و شبکه های عصبی فازی

    Article2014مطالعات مدیریت گردشگریامیر افسر، تقی اکبر پور، علی اکبرپور، محمدرضا فرزین

    صنعت گردشگری به عنوان یک صنعت پاک و اشتغالزا، در سال‎های اخیر جزء درآمدزاترین صنایع جهان بوده و همواره مورد توجه سیاست‎ها و برنامه‎های توسعه گرانه می‎باشد. دولت‎ها و بخش‎های خصوصی در سطوح کلان تا خرد جهت توسعه و بقاء در بخش گردشگری نیازمند پیش‎بینی تقاضا در این بخش می‎باشند. هر چ