چکیده:
پیش بینی بازده سهام به کمک کشف الگوهای رفتاری فرآیند مولد قیمت سهام امکان پذیر است. میزان موفقیت درکشف اینگونه الگوهای رفتاری، میزان کارایی پیش بینی را مشخص می کند. به عبارت دیگر فرآیند مولد قیمت سهام را می توان به عنوان یک الگوی دینامیکی بررسی کرد. این فرآیند ممکن است به صورت مدل های خطی، مدل های غیر خطی و یا مدل های تصادفی به دست آید. این پژوهش ساختارهای خطی پیش بینی کننده را در قالب دو مدل قیمت گذاری دارایی های سرمایه ای و سه عاملی فاماو فرنچ و ساختارهای غیرخطی را به صورت شبکه های عصبی تشریح می نماید.
خلاصه ماشینی:
اين پژوهش ساختارهاي خطي پيش بيني کننده را در قالب دو مدل قيمت گذاري داراييهاي سرمايه اي و سه عاملي فاماو فرنچ و ساختارهاي غيرخطي را به صورت شبکه هاي عصبي تشريح مينمايد.
مروري بر ادبيات نظري پيش بيني بازده سهام سه مورد از عمده ترين مدل هاي پيش بيني بازده سهام که در اين پژوهش در قالب دو ساختار خطي و غيرخطي معرفي ميشوند به ترتيب مدل هاي قيمت گذاري داراييهاي سرمايه اي و سه عاملي فاما و فرنچ و مدل شبکه هاي عصبي مصنوعي است .
مدل قيمت گذاري داراييهاي سرمايه اي را ميتوان به صورت رابطه (١) بيان نمود(پونيت و همکاران ، :(1993 رابطه (١) E(Ri) ε1 = εo + βi بگونه اي که (E)Ri ، نرخ بازده مورد انتظار سرمايه گذار و εo نرخ بازده يک پرتفوي با شاخص بتاي برابر صفر را نشان ميدهد که به عنوان نرخ بازده بدون ريسک شناخته ميشود.
شبکه هاي عصبي مصنوعي آموزش پذير بوده و توانايي استنباط دقيق نوعي از روابط کارکردي ميان داده ها را دارند، که زمينه اين روابط براي روش هاي معمولي پيش بيني به سختي قابل توضيح و يا حتي ناشناخته است (چنگ و تيترينگتن ، ١٩٩٤).
اين شبکه ها در مقايسه با روش هاي سنتي پيش بيني، ساختار هايي داده محور به حساب مي آيندکه به دليل ويژگي تعميم پذيري يافته ها، مفروضات قياسي کمتري براي کليت بخشيدن به نتايج حاصل از پيش بيني آن ها نياز است .
A comparison between Fama and French’s model and artificial neural networks in predicting the Chinese stock market.