Abstract:
با توجه به نقش بازارهای سرمایه در فرایند تجمیع و توزیع منابع مالی ، این بازارها و به ویژه بازار بورس همواره مورد توجه سرمایه گذاران داخلی و خارجی و دولت ها بوده اند. از جمله مسائل بازارهای مالی ، مسئله ریسک و مدیریت آن است که در بازار بورس این مقوله ارتباط تنگاتنگی با پیش بینی قیمت و بازده سهام دارد که اهمیت آن در سنجش کارایی اطلاعاتی بازار منعکس شده است . بر این اساس ، پژوهش حاضر به دو روش متفاوت ؛ پویاپارامتری با استفاده از مدل نوسانی ARMA-PGARCH و رویکرد پویاناپارامتری با بهره گیری از شبکه عصبی خودبازگشتی NARX به مدلسازی و پیش بینی بازده بورس تهران می پردازد. پیش بینی ها به دو صورت درون داده ای و برون داده ای و بر مبنای مشاهدات روزانه طی دوره ١٣٧٦.٧.٦ تا ١٣٩٤.٠٣.٠٢ انجام شده است . بر اساس نتایج به دست آمده ، دقت مدل ها در زمینه پیش بینی ، مقایسه گردیده و همچنین کارایی اطلاعاتی بورس تهران مورد بررسی قرارگرفته است . نتایج پژوهش حاضر نشان دهنده عملکرد و کارایی دقیق سامانه پویای ناپارامتریک در مقایسه با رویکرد پارامتریک بوده است . همچنین ، یافته ها حاکی از عدم کارایی اطلاعاتی بازار بورس تهران در سطح ضعیف آن می باشد.
Machine summary:
"Feed-Forward Neural Network بهره گیری از توابع فعال ساز١ مختلف نموده اند که جهت مقایسه دقت پیش بینی این شبکه ها، معیارهای MAPE و RMSE به کارگرفته شده اند و نتایج تحقیق به روشنی نشانگر قابلیت چشمگیر این سامانه ها در دستیابی به الگوهای غیرخطی پنهان در سری های زمانی بازار بورس است .
ماسیل و بالینی (٢٠٠٨) پا را فراتر نهاده و به مطالعه برروی شاخص های شناخته شده بازارهای بورس جهان از قبیل : S&P٥٠٠، CAC٤٠،FTSE ،DAX ،Dow-Jones ، IBEX٣٥ و PS١٢٠ پرداخته اند که در این مورد از شبکه عصبی مصنوعی (FFNN) با الگوریتم تصحیح خطای (LM) بهره برده اند و جهت برآورد دقت پیش بینی ها از معیارهایی همچون MSPE، RMSE،R٢ و MSE استفاده کرده اند؛ یافته ها بیانگر آن است که این سامانه در پیش بینی شاخص بازارهای بورس دقت و سرعت بسیار مناسبی را دارد.
جهت جمع بندی ، می توان بیان داشت که شبکه عصبی NARX بر اساس معیارهای خطای معرفی شده در این پژوهش توانسته است عملکرد کاراتری را در مقایسه با مدل ترکیبی ARMA-PGARCH در تشخیص و شبیه سازی فرایند تولید داده ها از خود نشاندهد و اگرچه در پیش بینی برون -داده ای بر اساس معیارهای خطای VPو CP عملکرد ضعیف تری داشته ، اما بر اساس ٦ معیار دیگر توانسته است نسبت به مدل پارامتریک تحقیق عملکرد مناسب تری داشته باشد و کارایی و دقت قابل قبولی در پیش بینی از خود نشان بدهد."