-
این تحقیق به پیش بینی پذیری رفتار بازده سهام در بورس اوراق بهادار بوسیله مدل خطی عاملی و شبکه های عصبی مصنوعی می پردازد. جهت آزمون این مساله، قیمت روزانه سهام شرکت توسعه صنایع بهشهر به عنوان نمونه انتخاب شده است. متغیرهای مستقل (ورودی های) تحقیق، پنج متغیر کلان اقتصادی، یعنی شاخص کل قیمت بورس تهران،...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
University of Tehran
2003-05-01
|
| Series: | تحقیقات مالی |
| Subjects: | |
| Online Access: | https://jfr.ut.ac.ir/article_11352_c439f3ef7d129d3b0d50ceecb39f2d10.pdf |
| _version_ | 1818997821599121408 |
|---|---|
| author | دکتر رضا راعی کاظم چاوشی |
| author_facet | دکتر رضا راعی کاظم چاوشی |
| author_sort | دکتر رضا راعی |
| collection | DOAJ |
| description | این تحقیق به پیش بینی پذیری رفتار بازده سهام در بورس اوراق بهادار بوسیله مدل خطی عاملی و شبکه های عصبی مصنوعی می پردازد. جهت آزمون این مساله، قیمت روزانه سهام شرکت توسعه صنایع بهشهر به عنوان نمونه انتخاب شده است. متغیرهای مستقل (ورودی های) تحقیق، پنج متغیر کلان اقتصادی، یعنی شاخص کل قیمت بورس تهران، نرخ ارز (دلار) در بازار آزاد، قیمت نفت، قیمت طلا می باشد. برای برازش مدل عاملی از رگرسیون خطی چند متغییره و برای مدل شبکه عصبی از معماری (MLP) با الگوریتم آموزش پس انتشار خطا استفاده شده است.
نتایج حاصله حاکی از موفقیت این دو مدل در پیش بینی رفتار بازده سهام مورد نظر و همچنین برتری عملکرد شبکه های عصبی مصنوعی بر مدل چند عاملی می باشد. |
| first_indexed | 2024-12-20T21:51:44Z |
| format | Article |
| id | doaj.art-d9a509fabd964ee5bb6a8c2a0945c1f0 |
| institution | Directory Open Access Journal |
| issn | 1024-8153 2423-5377 |
| language | fas |
| last_indexed | 2024-12-20T21:51:44Z |
| publishDate | 2003-05-01 |
| publisher | University of Tehran |
| record_format | Article |
| series | تحقیقات مالی |
| spelling | doaj.art-d9a509fabd964ee5bb6a8c2a0945c1f02022-12-21T19:25:32ZfasUniversity of Tehranتحقیقات مالی1024-81532423-53772003-05-0151511352-دکتر رضا راعیکاظم چاوشیاین تحقیق به پیش بینی پذیری رفتار بازده سهام در بورس اوراق بهادار بوسیله مدل خطی عاملی و شبکه های عصبی مصنوعی می پردازد. جهت آزمون این مساله، قیمت روزانه سهام شرکت توسعه صنایع بهشهر به عنوان نمونه انتخاب شده است. متغیرهای مستقل (ورودی های) تحقیق، پنج متغیر کلان اقتصادی، یعنی شاخص کل قیمت بورس تهران، نرخ ارز (دلار) در بازار آزاد، قیمت نفت، قیمت طلا می باشد. برای برازش مدل عاملی از رگرسیون خطی چند متغییره و برای مدل شبکه عصبی از معماری (MLP) با الگوریتم آموزش پس انتشار خطا استفاده شده است. نتایج حاصله حاکی از موفقیت این دو مدل در پیش بینی رفتار بازده سهام مورد نظر و همچنین برتری عملکرد شبکه های عصبی مصنوعی بر مدل چند عاملی می باشد.https://jfr.ut.ac.ir/article_11352_c439f3ef7d129d3b0d50ceecb39f2d10.pdfarbitrage pricing theory (apt)artificial neural networkspredictionstock return behavior |
| spellingShingle | دکتر رضا راعی کاظم چاوشی - تحقیقات مالی arbitrage pricing theory (apt) artificial neural networks prediction stock return behavior |
| title | - |
| title_full | - |
| title_fullStr | - |
| title_full_unstemmed | - |
| title_short | - |
| title_sort | |
| topic | arbitrage pricing theory (apt) artificial neural networks prediction stock return behavior |
| url | https://jfr.ut.ac.ir/article_11352_c439f3ef7d129d3b0d50ceecb39f2d10.pdf |