مدل‌سازی سری‌های زمانی هم‌گام، در سیستم‌های مالی دارای پیچیدگی‌‌های زیادی است. برای تحلیل این سری‌ها نیاز به رویکردهایی است که بتوان با دقت بالاتری رابطه بلندمدت آن‌ها را استخراج نمود. روش تحلیل همبستگی متقابل روند‌زدایی‌ شده چندفرکتالی (MFDCCA)، با روند‌زدایی از سری‌های زمانی به تحلیل رابطه آن‌ها می‌پردازد. ما در این مقاله روشی نوین در راستای روند‌زدایی دقیق‌تر از یک سری زمانی مالی به نام تحلیل همبستگی متقابل روند‌زدایی شده چندفرکتالی مبتنی بر اندیکاتور(IMFDCCA) ارائه داده‌ایم. هدف از روش پیشنهادی، استخراج کاراتر رابطه همبستگی بین سری‌های زمانی مالی با استفاده از اندیکاتورهای بازار مالی است. روش پیشنهادی به‌عنوان نمونه بر روی دو جفت‌ارز یورو/دلار و دلار/ین بررسی شد. تست این روش بر روی مجموعه داده هشت‌ساله از سال 2011 تا 2019 صورت گرفت. همچنین جهت ارزیابی روش پیشنهادی از روش‌های تخمین نمایه هارست شامل R.S و GHE استفاده شد که در هر دو ارزیابی خطای کمتری نسبت به روش پایه را مشخص نمود. میزان خطای میانگین جذر مربعات در روش ارزیابی R.S نسبت به روش پایه 30% و در روش ارزیابی GHE 26% کاهش‌یافته است. تفاصيل المقالة

رفتار سهام و روند تغییرات آن یکی از پیچیده ترین مکانیزم‌هایی است که همواره مورد توجه محققان می‌باشد. بورس تحت تاثیر عوامل مختلف بیرونی و درونی قرار دارد. عوامل تاثیرگذار بیرونی مانند عوامل سیاسی و اجتماعی قابلیت اندازه‌گیری ندارند، به همین جهت برای پیش‌بینی روند بورس، باید بر روی تاثیر عوامل درونی تمرکز نمود. در این پژوهش سیستم ترکیبی مبتنی بر شبکه‌های بیزین و مدل مخفی مارکوف، جهت پیش‌بینی روند روزانه بورس ایران پیشنهاد شده است. برای سهام هر شرکت، 6 شاخص بورس اوراق بهادار تهران که دارای بالاترین ضریب همبستگی می‌باشند و 22 اندیکاتور تکنیکی به عنوان متغیرهای ورودی در فاز پیش‌پردازش استفاده می‌شوند. از شبکه‌های بیزین جهت مشخص نمودن روابط بین متغیرها و از جداول احتمال شرطی آن برای بررسی تاثیر هر متغیر در پیش‌بینی استفاده می‌شود. در نهایت از مدل مخفی مارکوف برای پیش‌بینی روند بازار در مجموعه های استخراج شده از شبکه بیزین، استفاده می‌شود. مدل پیشنهادی بر روی سهام چهار شرکت داخلی به نام فولاد مبارکه اصفهان، ایران خودرو، بانک ملت و ایران دارو مورد بررسی قرار گرفته است. معیارهای ارزیابی در سیستم پیشنهادی، کارایی بالای این روش را نشان می‌دهند. بالاترین درصد صحت سیستم پیشنهادی 85.25 و متوسط درصد صحت آن 83.26 می‌باشد. تفاصيل المقالة