دراین مقاله مجموعه­ای از مدلهای مختلف garch استاندارد با گروهی از مدلهای تغییر رژیم مارکوف گارچ mrs-garch))­براساس توانایی آنها در­ پیش­بینی نوسانات بازارهای آتی­های نفت در افق­های زمانی یک روزه تا یک ماهه مقایسه می شود. به منظور صحه گذاشتن بر ثبات بیش از اندازه­ای که معمولاً در مدلهای garch یافت می­شود و بیانگر پیش­بینی­های نوسانات بسیار بالا وبسیار نامحسوس می­باشد، پارامترهای مدلهای mrs-garch ...

مطالعات گوناگون در کشورهای دیگر نشان می دهد که متغیرهایی مانند اندازه شرکت، افق پیش بینی سود، قدمت شرکت، نسبت های اهرم مالی، برتر بودن شرکت با دقت پیش بینی سود ارتباط دارد علاوه بر آن یکی از متغیرهای تأثیرگذار بر نوسانات قیمت سهام است. بنابراین شناسایی عوامل و ارزیابی تأثیر آنها بر دقت پیش بینی سود و ارتباط آن با نوسانات قیمت سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در بین سال های 13...

اهمیت پیش بینی ورشکستگی همواره برای مالکیت شرکتها رو به افزایش بوده است و اقتصادهای جهانی نیز امروزه نسبت به خطرات ناشی از تعهدات و دیون شرکتها، مخصوصاً پس از جریان سقوط سازمانهای بزرگی همچون وورلد کام و انرون و اینکه یکی از اهداف مهم قوانین باسل دو ، کاهش ریسک اعتباری می باشد، آگاه و حساس شده اند. از طرفی وضع نامطلوب مالی شرکت نیز باعث زیان برای اقشار مختلف جامعه و خصوصاً سرمایه گذاران شامل سهام...

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...

در این پژوهش تأثیر اقلام تعهدی و نقدی بر پیش بینی جریان وجوه نقد عملیاتی بررسی شده است. هدف از این پژوهش، انتخاب مدل مناسب برای پیش بینی جریان وجوه نقد عملیاتی و بررسی برخی از مشخصه های موثر بر مدل های رگرسیونی پیش بینی است. در این راستا، تعداد 287 شرکت در بازده زمانی 1380 تا 1390 انتخاب شد و از روش های آماری ضریب همبستگی و رگرسیون خطی و غیرخطی برای تجزیه و تحلیل داده ها استفاده شده است و توانا...

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...