Abstract:
تلاطم به عنوان یک عامل موثر در تعیین ریسک سرمایه گذاری، می تواند نقش مهمی در تصمیم گیری سرمایه گذاران ایفا کند. یک تخمین مناسب از تالطم بازار در یک دوره سرمایه گذاری نقطه آغازین بسیار مهمی در کنترل ریسک سرمایه گذاری است. تالطم در بازارهای مالی نقشی کلیدی ایفا می کند، بنابراین ان را باید شناخت واندازه گیری و پیش بینی کرد و برنامه ای در نظر گرفت که بتوان تالطم بازار را که بر تصمیم سرمایه گذاران تاثیر دارد را مدیریت نمود. با توجه به اهمیت پیش بینی تالطم بازار، هدف اصلی پژوهش حاضر مقایسه دو روش پیش بینی تالطم بازار است. نتایج این پژوهش نشان می دهد که ترکیب شبکه عصبی مصنوعی و نسبت های مالی قابلیت پیش بینی تالطم بازار سرمایه گذاری را دارند و با توجه به مجموع مجذور خطا مدل ارایه شده با استفاده از شبکه عصبی در این پژوهش عملکرد بهتری در پیش بینی تالطم بازار سرمایه گذاری نسبت به رگرسیون خطی دارد.
Volatility as an effective factor in determining investment risk can play an important role in decision making of investors. An appropriate estimate of market volatility in an investment period is an important starting point in investment risk control. Volatility plays a key role in financial markets, so it needs to be recognized and calculated, and plans to manage market volatility that affect investors ' decision. Due to the importance of market volatility, the main objective of this research is to compare two methods before market volatility. The results of this research show that the combination of artificial neural network and financial ratios are capable to predict the volatility of capital market volatility and according to the total error of the model presented using neural network in this research has better performance in the forecasting of capital market volatility than linear regression.
Machine summary:
مقایسه برآورد تلاطم بازارهای مالی با استفاده از مدل رگرسیون و مدل شبکه عصبی 1 محمدعظیم خدایاری 2 تاریخ دریافت : ١٣٩٩/٠٤/٢٧ تاریخ پذیرش : ١٣٩٩/٠٦/٣١ احمد یعقوب نژاد 3 مریم خلیلی عراقی چکیده تلاطم به عنوان یک عامل مؤثر در تعیین ریسک سرمایه گذاری، می تواند نقش مهمی در تصمیم گیری سرمایه گذاران ایفا کند.
نتایج این پژوهش نشان می دهد که ترکیب شبکه عصبی مصنوعی و نسبت های مالی قابلیت پیش بینی تلاطم بازار سرمایه گذاری را دارند و با توجه به مجموع مجذور خطا مدل ارائه شده با استفاده از شبکه عصبی در این پژوهش عملکرد بهتری در پیش بینی تلاطم بازار سرمایه گذاری نسبت به رگرسیون خطی دارد.
(حسینیون و همکاران ، ١٣٩٥) بنابراین ، بررسی تلاطم و نحوه انتقال آن در بین بازار های مالی از حیث سیاست گذاری بسیار مهم بوده و به عنوان یک ابزار اقتصادی کارآمد برای دستیابی به تولید و اشتغال مورد توجه سیاست گذاران اقتصادی است ، زیرا درک و تشخیص صحیح رفتار تلاطم قیمت در این بازارها در اتخاذ سیاست های کنترلی مناسب از اهمیت بالایی برخوردار است .
متغیرهای مدل شامل : تلاطم بازار که با استفاده از داده های سرمایه گذاری و روش واریانس ناهمسانی شرطی خود بازگشتی تعمیم یافته (GARCH) محاسبه شده است .
فصلنامـه اقتصاد مالی شماره ٥٢ / پائیز ١٣٩٩ (رجوع شود به تصویر صفحه) نمودار زیر نمایانگر پیش بینی شبکه بر اساس داده های ورودی و مقایسه آنها با مقادیر واقعی است .
Financial Stress and Economic Activity in Germany, Available: http://rcea-canada.
org/pages/may_2012_rimini/papers/van%20Roye.