مدل‌سازی و پیش‌بینی نوسانات بازار سهام با استفاده از تر کیب شبکه عصبی و الگوهای واریانس شرطی

الموضوعات :

علی راستین فر ¹ , محمود همت فر ²

1 - گروه مدیریت مالی ، واحد الکترونیک ، دانشگاه آزاد اسلامی ، تهران ، ایران
2 - گروه مدیریت مالی ، واحد بروجرد ، دانشگاه آزاد اسلامی ، بروجرد ، ایران

تاريخ الإرسال : 26 الأربعاء , محرم, 1441 تاريخ التأكيد : 23 الثلاثاء , صفر, 1441 تاريخ الإصدار : 29 الأحد , شوال, 1441

الکلمات المفتاحية: شبکه های عصبی, نوسانات بازار سهام, الگوهای واریانس شرطی,

ملخص المقالة :

پیش‌بینی نوسان یکی از مسایل بسیار مهم در بازارهای مالی است که توجه بسیاری از پژوهشگران دانشگاهی و کارشناسان این حوزه را در چند دهه ی گذشته به خود جلب کرده است. در پژوهش حاضر با توجه به این ضرورت، به بررسی مدلسازی و پیش بینی نوسان بازار سهام با استفاده از ترکیب‌ شبکه‌ های عصبی مصنوعی و الگوهای واریانس شرطی پرداخته می‌شود.در این تحقیق از شبکه های عصبی پرسپترون چند لایه (MLP ) ، مدل‌های ناهمسانی واریانس شرطی (ARCH) و الگوی خود رگرسیو واریانس شرطی GARCH (P,Q)استفاده شده است . جامعه آماری تحقیق ، شاخص بورس تهران برای دوره زمانی فروردین سال ۱۳۸۷ تا فروردین سال ۱۳۹۷ می باشد . تحقیق به دنبال رد یا تایید این فرضیه است که "استفاده ازالگوی ترکیب شبکه عصبی مصنوعی و مدل‌های واریانس شرطی دقت پیش بینی نوسان بازار سهام در بورس اوراق بهادار تهران را نسبت به الگوی وریانس شرطی افزایش می‌دهد" . نتایج بدست آمده ، صـحت فرضیه فوق را تایید می نماید .

المصادر:

 

 

حاتمی نیما, میرزازاده حجت, ابراهیم پور رضا. (1389). 'ترکیب شبکه های عصبی برای پیش بینی قیمت سهام', پژوهشنامه اقتصاد کلان, 10.1(39), pp. 61-80.

نادر مهرگان پرویز محمدزاده و محمود حقانی، ،یونس سلمانی. (1391). بررسی الگوی چند رفتاری رشد اقتصادی در واکنش به نوسانات قیمت نفت خام: کاربردی از مدل های GARCH و رگرسیون چرخشی مارکف. تحقیقات مدل سازی اقتصادی تابستان 1392 شماره 12.

 

Balduzzi, P., & Reuter, J. (2012). Heterogeneity in Target-Date Funds: Optimal Risk-Taking or Risk Matching? (No. w17886). National Bureau of Economic Research.

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.

Dash, R., & Dash, P. (2016). Efficient stock price prediction using a self evolving recurrent neuro-fuzzy inference system optimized through a modified differential harmony search technique. Expert Systems with Applications, 52, 75-90.

Malkiel, B. G., & Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The journal of Finance, 25(2), 383-417.

Miao, K., Chen, F., & Zhao, Z. G. (2007). Stock price forecast based on bacterial colony RBF neural network [j]. Journal of Qingdao University (Natural Science Edition), 2(011).

 

همه

 

Hatami Nima, Mirzazadeh Hojat, Ebrahimpour Reza. (1389). "Combination of neural networks for forecasting stock prices", Macroeconomic Research Journal, 10.1(39), pp. 61-80.

Nader Mehrgan Parviz Mohammadzadeh and Mahmoud Haqqani, Younes Salmani. (2011). Investigating the multi-behavioral model of economic growth in response to crude oil price fluctuations: application of GARCH and Markov cyclic regression models. Economic modeling research, summer 2012, number 12.

 

Balduzzi, P., & Reuter, J. (2012). Heterogeneity in Target-Date Funds: Optimal Risk-Taking or Risk Matching? (No. w17886). National Bureau of Economic Research.

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.

Dash, R., & Dash, P. (2016). Efficient stock price prediction using a self-evolving recurrent neuro-fuzzy inference system optimized through a modified differential harmony search technique. Expert Systems with Applications, 52, 75-90.

Malkiel, B. G., & Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417.

Miao, K., Chen, F., & Zhao, Z. G. (2007). Stock price forecast based on bacterial colony RBF neural network [j]. Journal of Qingdao University (Natural Science Edition), 2(011).

 

Balduzzi, P., & Reuter, J. (2012). Heterogeneity in Target-Date Funds: Optimal Risk-Taking or Risk Matching? (No. w17886). National Bureau of Economic Research.

Balduzzi, P., & Reuter, J. (2012). Heterogeneity in Target-Date Funds: Optimal Risk-Taking or Risk Matching? (No. w17886). National Bureau of Economic Research.

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327.

Dash, R., & Dash, P. (2016). Efficient stock price prediction using a self-evolving recurrent neuro-fuzzy inference system optimized through a modified differential harmony search technique. Expert Systems with Applications, 52, 75-90.

Dash, R., & Dash, P. (2016). Efficient stock price prediction using a self-evolving recurrent neuro-fuzzy inference system optimized through a modified differential harmony search technique. Expert Systems with Applications, 52, 75-90.

Hatami Nima, Mirzazadeh Hojat, Ebrahimpour Reza. (1389). "Combination of neural networks for forecasting stock prices", Macroeconomic Research Journal, 10.1(39), pp. 61-80.

Hatami Nima, Mirzazadeh Hojat, Ebrahimpour Reza. (1389). "Combination of neural networks for forecasting stock prices", Macroeconomic Research Journal, 10.1(39), pp. 61-80.

Malkiel, B. G., & Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417.

Malkiel, B. G., & Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417.

Miao, K., Chen, F., & Zhao, Z. G. (2007). Stock price forecast based on bacterial colony RBF neural network [j]. Journal of Qingdao University (Natural Science Edition), 2(011).

Miao, K., Chen, F., & Zhao, Z. G. (2007). Stock price forecast based on bacterial colony RBF neural network [j]. Journal of Qingdao University (Natural Science Edition), 2(011).

Nader Mehrgan Parviz Mohammadzadeh and Mahmoud Haqqani, Younes Salmani. (2011). Investigating the multi-behavioral model of economic growth in response to crude oil price fluctuations: application of GARCH and Markov cyclic regression models. Economic modeling research, summer 2012, number 12.

Nader Mehrgan Parviz Mohammadzadeh and Mahmoud Haqqani, Younes Salmani. (2011). Investigating the multi-behavioral model of economic growth in response to crude oil price fluctuations: application of GARCH and Markov cyclic regression models. Economic modeling research, summer 2012, number 12.