پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,944,577 |
| تعداد دریافت فایل اصل مقاله | 89,612,458 |
مدل سازی و پیش بینی قیمت سهمام با استفاده از معادلات دیفرانسیل تصادفی | ||
| فصلنامه تحقیقات اقتصادی | ||
| مقاله 1، دوره 40، شماره 2، تیر 1384 اصل مقاله (636.08 K) | ||
| نویسندگان | ||
| دکتر حمید خالوزاده؛ دکتر على خاکى صدیق* | ||
| چکیده | ||
| فرایندهای سری زمانی را می توان به سه طبقه خطی، تصادفی و آشوبگونه دسته بندی کرد و براین اساس قابلیت پیش بینی در فرایندهای خطی ممکن، درفرایندهای تصادفی غیرممکن و در فرایندهای آشوبگونه تا حدی ممکن است. تحقیقات و مطالعات انجام شده قبلی در زمینه مدل سازی و پیش بینی قیمت سهام بیشتربر اساس اثبات این فرضیه بوده است که تغییرات قیمت و بازده سهام در بازار بورس و مخصوصآ بازار بورس تهران علیرغم شباهت زیادی که به رفتار تصادفی و اتفاقی دارد، اتفاقی نیست بلکه از نوع آشوبگونه است و بنابر این می توان توسط مدل های پیچیده و قوی مانند شبکه های عصبی، فازی و ترکیب های مختلف این دو روش مدل سازی و نیز پیش بینی کوتاه مدت و میان مدت را انجام داد. در این تحقیق، تغییرات قیمت و بازده سهام در بازار بورس تهران با هدف مدل سازی بر اساس معادلات دیفرانسیل تصادفی بر روی مقوله پیش بینی، مورد مطالعه و بررسی قرار گرفته است، با در نظر گرفتن نوسانات قیمت سهام به شکل تصادفی و بر اساس مدل بلاک و شولز، مدل سازی دینامیک فرایند مولد قیمت سهام در بازار بورس تهران را با استفاده از معادلات دیفرانسیل تصادفی پیشنهاد کرده و بر این اساس مدل سازی، شبیه سازی و پیش بینی قیمت و بازده برای یکی از شرکت های عضو بازار بورس تهران انجام می گیرد، برای بررسی کارایی روش پیشنهادی مقایسه ای نیز با روش مدل سازی خطی صورت پذیرفته است. طبقه بندی JEL:,C535C | ||
| کلیدواژه‌ها | ||
| انتگرال ایتو؛ پیش بینی؛ سری زمانی؛ مدل سازی؛ مدل هایARIMA؛ معادلات دیفرانسیل تصادفی | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| Time series processes can be classified to three models, linear models, stochastic models and chaotic models. Based on these classification the linear models are forecastable, the stochastic models are unforecastable and the chaotic models are semi forecastaable. The previouse researches in the modeling and forecasting of the stock price usually try to prove that, the fluctuations of the share prices in Tehran Stock Exchange are not random walks in spite of the existance similarity to the random walks. Indeed the market has a chaotic behavior. This means that, the Efficient Market Hypothesis (EMH) is failed. Therefore by using a complex and powerfull models such as artificial neural networks, one can forecast stock prices in tehran stock merket. This paper proposed another approach to modeling and forecasting of the share price. This approach is based on the Stochastic Differential Equations. The modeling is based on the Black- Scholes pricing model. Comparison the simulation result with the linear ARIMA model, indicates that the proposed structrure, provides an accurate next step and the long term share prices and daily returns forecasting. JEL Classification: C5, C53. | ||
| کلیدواژه‌ها [English] | ||
| ARIMA Models, forecasting, Ito, modeling, S Integral, Stochastic, time series | ||
|
آمار تعداد مشاهده مقاله: 4,893 تعداد دریافت فایل اصل مقاله: 2,606 |
||