نام پژوهشگر: سحر باقری

پیش بینی بازده سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدلهای غیرخطی و بررسی نقش حجم معاملات در بهبود عملکرد این مدلها
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم اجتماعی و اقتصادی 1389
  سحر باقری   میرفیض فلاح شمس

در طول سالهای اخیر مدلهای سری زمانی غیر خطی یکی از ابزارهای جدید در توصیف و پیش-بینی بازدهی سهام بوده است. شواهد بسیاری رابطه عکس بین بازدهی آینده سهام و حجم معاملات را تائید کرده است. وجود این رابطه نشان می دهد که حجم معاملات می تواند به عنوان متغیر آستانه ای مناسب در مدلهای اتورگرسیو آستانه ای tar و اتورگرسیو انتقال هموار لجستیک lstar استفاده شود. بنابراین ما در این تحقیق توانایی مدلهای خطی arma و مدلهای tar و lstar مقایسه کردیم. علاوه بر این از متغیر حجم معاملات به عنوان متغیر آستانه ای یا انتقال در مدلهای tar و lstarاستفاده کردیم. در این تحقیق، از بازدهی روزانه و حجم معاملات 26 شرکت در یک دوره 9 ساله استفاده کردیم. به منظور انجام پیش بینی ار داده های 7 سال به عنوان داده های درون نمونه ای و از داده-های 2 سال به عنوان داده های برون نمونه ای استفاده کردیم. سپس با استفاده از آزمون دایبولد ماریانو ، عملکرد مدلها را مورد مقایسه قرار دادیم. نتایج نشان دادند که در مجموع مدلهای غیرخطی از قدرت پیش بینی بالاتری نسبت به مدل arma برخوردارند. همچنین به کارگیری حجم معاملات در مدلهای غیرخطی عملکرد این مدلها را بهبود نبخشید.