تعدیل مدل تطبیقی گارچ فازی برای پیش بینی بازار سهام با استفاده از بهینه سازی ازدحام ذرات

پایان نامه
چکیده

کارکرد اصلی بازارهای مالی در اقتصاد، فراهم نمودن روشی برای هدایت و تخصیص سرمایه ها از سوی پس اندازکنندگان به سوی سرمایه گذاران می باشد. در حین این فرآیند، قیمت دارایی های مالی به واسطه نوسانات فعالیت های اقتصادی، با شکلی از تلاطم مواجه می شوند که این نوسانات در قیمت ها به عنوان رخدادی معمول در عملکرد بازار محسوب می گردند. در واقع، تلاطم مهم ترین متغیر در قیمت گذاری مشتقات مالی محسوب می شود. از این حیث اندازه گیری دقیق و صحیح تلاطم به منظور قیمت گذاری این ابزارهای مالی مورد نیاز می باشد. با یافتن الگوهای تلاطمی برای اوراق بهادار موجود در بازار و استفاده از پیش بینی پذیری قیمت سهام، می توان روند هموارتر و کاراتری برای تخصیص سرمایه ها ایجاد نمود. در بسیاری از سری های زمانی، خصوصاً سری های زمانی مالی، ویژگی واریانس ناهمسانی مشاهده می شود و جهت تحلیل و مدلسازی آنها، باید از مدل هایی استفاده شود که شروط ناهمسانی را در برازش در نظر بگیرند. در این راستا، دسته های مختلف از مدل های garch به عنوان یکی از بهترین تکنیک های مدلسازی تلاطم در بازارهای مالی بشمار می روند. نوسانات در بازار سهام ازاصل تلاطم خوشه ای پیروی می کند که درآن تغییرات مشابه گردآوری شده اند. به این صورت که تغییرات بزرگ منجر به تغییرات بزرگ و تغییرات کوچک منجر به تغییرات کوچک می شوند، این حرکت خوشه ای می تواند بیانگر این مطلب باشد که تغییرات قیمت دوره بعدی با تغییرات قیمت دوره جاری مرتبط است و بنابراین جزء قابل تخمین قیمت سهام را تشکیل می دهد. استنباط این مطلب، بسیار وسیع و بسیاری از ادبیات موضوع کار شده در زمینه تلاطم بازار سهام که با مدل های اقتصاد سنجی برای نشان دادن حرکت خوشه ای تلاطم طراحی شده اند را شامل می شود. این خوشه ای بودن یکی از دلایل عمده ای است که بسیاری از مدل های واریانس ناهمسانی شرطی تعمیم یافته (garch) بازار سهام را به خوبی پیش بینی نمی کند برای حل این مشکل دسته جدیدی از مدل گارچ بنام مدل تطبیقی گارچ فازی با بهینه سازی ازدحام ذرات (pso) را معرفی می کنیم. هدف روشpso به دست آوردن یک راه حل بهینه سراسری با یک نرخ همگرایی سریع است. تحلیل اجرای این روش برای بازار بورس اوراق بهادار تهران، هدف اصلی این مطالعه را به خود اختصاص می دهد.

منابع مشابه

مدل 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 کامل

بهینه سازی سبد سهام با استفاده از الگوریتم ازدحام ذرات در تعاریف مختلف اندازه گیری ریسک

این مقاله از الگوریتم ازدحام ذرات برای بهینه‌‌یابی سبد دارایی مارکوویتز با توجه به معیارهای متفاوت اندازه‌گیری ریسک یعنی میانگین واریانس، میانگین نیم- ‌واریانس و میانگین قدر مطلق انحرافات و همچنین محدودیتهای موجود در بازار واقعی مانند "اندازه ثابت تعداد سهام" و "محدودیت خرید"  استفاده کرده است. برای بررسی قابلیت حل این مسائل به کمک این الگوریتم، از داده‌های واقعی 186 شرکت در بورس اوراق بهادار ت...

متن کامل

سیستم خبره پیش بینی قیمت سهام و بهینه سازی سبد سهام با استفاده از شبکه‌های عصبی فازی، مدل سازی فازی و الگوریتم ژنتیک

افزایش میزان سود و کاهش ریسک سرمایه¬گذاری دربورس همیشه مهمترین دغدغه سرمایه¬گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه¬ای که دارای بیشترین بازده و کمترین ریسک سرمایه¬گذاری باشد.تحقیقات زیادی در این رابطه انجام شده است و مدل ریاضی میانگین واریانس مارکویتز به عنوان یکی از اصلی¬ترین کارهای این حوزه شناخته می¬شود. علیرغم اهمیت این مدل چ...

متن کامل

پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی

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 ...

متن کامل

پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

همواره مدل­سازی و پیش­بینی متغیرهای مالی یکی از موضوع‌های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیش­بینی سری­های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می­آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش­بینی کرد. در این روش، با استفاده از تجزیه موجک، نویز­های تصادفی داده­های ورودی شبکه عصبی فازی تطبیقی کاهش می­یابد...

متن کامل

طراحی بهینه خطوط لوله با استفاده از الگوریتم بهینه سازی چند هدفه ازدحام ذرات (MOPSO)

در بیشتر موارد تعیین همزمان مقدار بهینه پارامترهای موثر در طراحی خطوط لوله بسیار مشکل است. لذا یافتن راه حلی که بتواند بطور هم زمان چند تابع هدف مستقل را که به چند پارامتر مشترک وابسته اند را بهینه نماید، بسیار با اهمیت است. هدف این مقاله بهینه نمودن ضخامت، قطر و سرعت سیال دریک خط لوله با مشخصات معلوم می باشد که با تعریف دو تابع هدف هزینه و دبی عبوری سیال و با استفاده از الگوریتم بهینه‌سازی چند...

متن کامل

منابع 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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده اقتصاد و علوم اجتماعی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023