پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی
نویسندگان
چکیده مقاله:
در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق گوناگونی مورد آزمون قرار گرفته است. این نتایج نشان می دهد مدل های ترکیبی گارچ توان ـ میانگین، گارچ نمایی ـ میانگین و مدل GJR، کمترین خطای پیش بینی را داشته اند. بررسی تغییرات جهت نوسان نشان می دهد مدل های ترکیبی همسویی بیشتری با نوسان واقعی نسبت به مدل های پایه ای گارچ دارند. همچنین مدل های ترکیبی گارچ توانی نامتقارن، گارچ- میانگین نمایی و گارچ- میانگین توانی بطور معنی داری خطای پیش بینی کمتری نسبت به مدل های پایه ای خود داشته اند.
منابع مشابه
پیش بینی نوسانات بازده طلا با استفاده از مدل گارچ ناپارامتری و مقایسه با مدل‌های گارچ پارامتری
تعیین مدلی که پیشبینی بهتری از نوسانات قیمتی در زمینه سرمایه‌گذاری بدهد، از حوزه‌های مورد بحث در ادبیات مالی است. در این زمینه مدل‌هایی ارائه شده و هرکدام مزایا و معایبی دارد. این مدل‌ها به خصوص در زمینه قیمت نفت خام و نرخ ارز مقالاتی را به خود اختصاص میدهد. در سال‌های اخیر به دلیل رکود در کشورهای غربی و به تبع آنها در دیگر کشورها دارایی‌هایی از قبیل طلا مورد استقبال سرمایهگذاران قرار گرفت. ...
متن کاملپیش بینی نوسانات بازده طلا با استفاده از مدل گارچ ناپارامتری و مقایسه با مدل های گارچ پارامتری
تعیین مدلی که پیش بینی بهتری از نوسانات قیمتی در زمینه سرمایه گذاری بدهد، از حوزه های مورد بحث در ادبیات مالی است. در این زمینه مدل هایی ارائه شده و هرکدام مزایا و معایبی دارد. این مدل ها به خصوص در زمینه قیمت نفت خام و نرخ ارز مقالاتی را به خود اختصاص می دهد. در سال های اخیر به دلیل رکود در کشورهای غربی و به تبع آنها در دیگر کشورها دارایی هایی از قبیل طلا مورد استقبال سرمایه گذاران قرار گرفت. ...
متن کاملمدل سازی و پیش بینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف
در این مطالعه، قدرت برازش و قدرت پیش بینی مجموعه ای از مدل های انتقالی گارچ مارکف sw-garch ، با استفاده از داده های بازار بورس اوراق بهادار تهران، طی سال های 90-1376 مقایسه می شود. در این مقاله، از مدل انتقالی گارچ مارکف برای پیش بینی نوسانات در بازار بورس اوراق بهادار تهران در افق های پیش بینی کوتاه مدت شامل یک روزه و پنج روزه (هفته ای) و دوره بلندمدت شامل ده روزه و 22روزه استفاده شده است. علت...
متن کاملپیش بینی دامنه تغییرات طلا با استفاده از مدل ترکیبی ARIMA و شبکه عصبی
مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته میشود، یکی از پرکاربردترین مدل‌ها در پیشبینی سریهای زمانی است. اما پیش فرض اصلی این مدل خطی بودن سریهای زمانی میباشد. از سوی دیگر شبکهی عصبی یک تخمین زنندهی عمومی است که الگوهای غیر خطی را بسیار خوب مدلسازی مینماید. دانستن الگوی دادهها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...
متن کاملپیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده
سقوط بازار پدیدهای است که سبب از دست رفتن ثروت و دارایی سرمایهگذاران در بازۀ زمانی نسبتاً کوتاهی میشود، از این رو تلاش برای پیشبینی آن از اهمیت زیادی برای سرمایهگذاران، سیاستگذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوریها و مدل‌های ارائهشدۀ پیشبینی سقوط در بازار سهام نشان میدهد میان پژوهشگران دربارۀ الگوهای مشاهدهشدۀ متغیرها، مانند حجم معامله، بازدهها، نوسانپذیری، عوا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 4 شماره 16
صفحات 153- 174
تاریخ انتشار 2012-02-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023