تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,097,905 |
تعداد دریافت فایل اصل مقاله | 97,205,521 |
ارائه الگویی برای پیشبینی رفتار مالی جفت ارزها در بازار فارکس | ||
تحقیقات مالی | ||
دوره 24، شماره 2، 1401، صفحه 257-282 اصل مقاله (1.06 M) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/frj.2021.323603.1007183 | ||
نویسندگان | ||
الهه هادی زاده1؛ محمد طالقانی* 2؛ صغری براری نوکاشتی3 | ||
1دانشجوی دکتری، گروه مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران. | ||
2دانشیار، گروه مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران. | ||
3استادیار، گروه حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران. | ||
چکیده | ||
هدف: مقاله حاضر با هدف دستیابی به مدلی مناسب برای پیشبینی رفتار جفت ارزهای اصلی در بازار فارکس، بر اساس نظریه آشوب و الگوریتم هیبرید صورت پذیرفته است. روش: این پژوهش از نوع کاربردی است. جفت ارزهای اصلی حاضر در بازار فارکس، دلار/ین، دلار/پوند و دلار/یورو هستند و بیشترین سهم معاملاتی را به خود اختصاص دادهاند؛ از این رو برای اجرای پژوهش حاضر، این جفت ارزها بهعنوان جامعه آماری انتخاب شد و در مجموع 3888 مشاهده (برای هر جفت ارز 1296 مشاهده) را دربرگرفت. بازه زمانی معاملات از ابتدای ژانویه 2017 تا انتهای سال 2021 بود. پس از بررسی دادهها و احراز وجود آشوب در میان دادهها که با استفاده از دو آزمون BDS و حداکثر نمای لیاپانوف صورت پذیرفت، به آزمون مدلهای سهگانه ترکیبی برای دستیابی به بهترین و مطمئنترین حالت پیشبینیکننده اقدام شد. یافتهها: یافتهها نشان میدهد که در دادههای هر سه جفت ارز بررسیشده با توجه به آزمون BDS و حداکثر نمای لیاپانوف، وجود آشوب تأیید میشود. همچنین مدل آشوب همراه با چندلایه پرسپترون و الگوریتم ژنتیک مرتبسازی غیرمسلط نخبه، نسبت به سایر مدلهای مطرح در این پژوهش، عملکرد بهتری داشته است. مقادیر ضریب نابرابری تیلز و آمار آزمون DM نیز برتری هیبریدی مدل آشوب همراه با چندلایه پرسپترون و الگوریتم ژنتیک مرتبسازی غیرمسلط نخبه را نشان میدهد. نتیجهگیری: یافتهها نشان داد که مدل آشوب همراه با چندلایه پرسپترون و الگوریتم ژنتیک مرتبسازی غیرمسلط نخبه، از دو مدل ترکیبی دیگر بهتر است. | ||
کلیدواژهها | ||
پیشبینی رفتار؛ فارکس؛ مدلسازی؛ هیبریدی | ||
عنوان مقاله [English] | ||
Providing a Model for Predicting the Financial behavior of Currency Pairs in the Forex Market | ||
نویسندگان [English] | ||
Elahe Hadizadeh1؛ Mohammad Taleghani2؛ Soghra Barari Nokashti3 | ||
1Ph.D. Candidate, Department of Industrial Management, Rasht Branch, Islamic Azad University, Rasht, Iran. | ||
2Associate Prof., Department of Industrial Management, Rasht Branch, Islamic Azad University, Rasht, Iran. | ||
3Assistant Prof., Department of Accounting, Rasht Branch, Islamic Azad University, Rasht, Iran. | ||
چکیده [English] | ||
Objective: The present paper aims to achieve a suitable model for predicting the behavior of major currency pairs in the Forex market based on the chaos theory and a hybrid algorithm. Methods: This is an applied research study. The statistical population of the current study included the major currency pairs present in the Forex market having the largest trading shares (dollars, pounds, euros, and yen). The population comprised a total of 3,888 views i.e. 1,296 views for each currency pair. The trading period lasted from the beginning of January 2017 until the end of 2021. After examining the data and establishing the existence of chaos among the data, using two BDS tests and Lyapunov maximum view, three combined models were tested to achieve the best and most reliable status. Results: According to the results obtained from the BDS test and the maximum view of Lyapunov, there was chaos in the data of the three examined currency pairs. In addition, the chaos model with perceptron multilayer and elite non-dominant sorting genetic algorithm performed better than other models in this study. The values of the Tails inequality coefficient and DM test statistics also indicated the hybrid superiority of the chaos model with perceptron multilayer and elite non-dominant genetic sorting algorithm. Conclusion: The results proved the chaos model with perceptron multilayer and elite non-dominant sorting genetic algorithm to be superior to the other two hybrid models. | ||
کلیدواژهها [English] | ||
Behavior prediction, Forex, Modeling, Hybrid | ||
مراجع | ||
پیمانی فروشانی، مسلم؛ ارضا، امیرحسین؛ صالحی، مهدی؛ صالحی، احمد (1399). بازدهی معاملههـا بـر اسـاس نمودارهـای شمعی در بورس اوراق بهادار تهران. تحقیقات مالی، 22(1)، 69-89.
چاوشی، بهنام؛ تهرانی، رضا؛ عباسیان، عزتالله (1399). طراحی مدلی برای رتبهبندی صندوقهای سرمایهگذاری در ایران با استفاده از رویکرد ارزیابی ریسک سیستمی، براساس مدلهای MES، SES، LTD و CoVaR. تحقیقات مالی، 22(4)، 451-475.
حاجی غیاثی فرد، محمد حسین؛ نیکو مرام، هاشم (1398). آسیبشناسی مکانیزم انجام معاملات در بازار ارز جهانی (فارکس) و ارائه مدل پیشنهادی بازار متشکل ارزی مبتنی بر واقعیت اقتصادی کشور. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 10(39)، 135- 169.
رجبی، مهسا؛ خالوزاده، حمید (1393). بهینهسازی و مقایسه سبد سهام در بورس اوراق بهادار تهران با بهرهمندی از الگوریتمهای بهینهسازی تکاملی چندهدفه. تحقیقات مالی، 16(2)، 253- 270.
رستگار، محمد علی؛ دستپاک، محسن (1397). ارائه مدل معاملههای با فراوانی زیاد، همراه با مدیریت پویای سـبد سـهام بـه روش یادگیری تقویتی در بورس اوراق بهادار تهران. تحقیقات مالی، 20(1)، 1-16.
سیف، سمیرا؛ جمشیدی نوید، بابک؛ قنبری، مهرداد؛ اسماعیلپور، منصور (1400). پیشبینی روند بورس سهام ایران با استفاده از نوسان نمای موج الیوت و شاخص قدرت نسبی. تحقیقات مالی، 23(1)، 134-157.
شاکری، سیده زهرا؛ همایونیفر، مسعود؛ فلاحی، محمدعلی؛ شعرباف تبریزی، سعید (1394). بررسی نظریه آشوب در قیمت سکه بهار آزادی در ایران. دو فصلنامه اقتصاد پولی، مالی (دانش و توسعه سابق)، 22(10)، 84- 103.
طالبی، مرتضی؛ آقابابائی، محمد ابراهیم؛ سعیدی کوشا، مهدی (1399). بررسی کمواکنشی بورس تهران پـس از رخـدادهای شدید بازار. تحقیقات مالی، 22(4)، 521 -541.
طباطبایی، سیدجلال؛ پاک گوهر، علیرضا (1399). مدلسازی سری زمانی مقادیر فرین براساس رویکرد تحلیل طیفی. تحقیقات مالی، 22(4)، 594-611.
طیبی، سید کمیل؛ معینی، شهرام؛ زمانی، زهرا (1391). مدلسازی اجتناب ناپذیری زیان اکثریت معملهگران در بازار فارکس با استفاده از نظریه فرایندهای تصادفی. فصلنامه تحقیقات مدلسازی اقتصادی، 3(11)، 99- 121.
عباسی، ابراهیم (1392). برآورد و ارزیابی ارزش در معرض ریسک در بازار فارکس. مجله مهندسی مالی و مدیریت اوراق بهادار، 4(14)، 81-119.
نیکوسخن، معین (1397). ارائه یک مدل ترکیبی بهبودیافته با انتخاب وقفههای خودکار برای پیشبینی بازار سهام. تحقیقات مـالی، 20(3)، 389-408.
References Abbasi, A. (2012). Estimating and Evaluating Risk Value in the Forex Market. Journal of Financial Engineering and Securities Management, 4(14), 81-119. (in Persian) Chavoshi, B., Tehrani, R. & Abbasian, E. (2019). Designing a model for rating investment funds in Iran using the systemic risk assessment approach, based on MES, SES, LTD and CoVaR models. Financial Research Quarterly, 22(4), 451-475. (in Persian) Dick, A.A. (2010). Personal Bankruptcy and Credit Market Competition. The Journal of finance, https://doi.org/10.1111/j.1540-6261.2009.01547.x Dolan, B. (2011). Currency Trading for dummies, Wily publishing Inc. Hoboken. NJ 07030-5774. Drakoln, N. (2008). Winning the Trading Game: Why 95% of Traders Lose and What You Must Do to Win (First Edition). John Wiley and Sons. Haji Ghiasifard, M., Niko Maram, H. (2018). Pathology of the mechanism of trading in the global foreign exchange market (Forex) and presenting the proposed model of an organized foreign exchange market based on the economic reality of the country. Quarterly Journal of Financial Engineering and Securities Management, 10(39), 135-169. (in Persian) Kanzler, L. (1999). Very Fast and correctly sized estimation of the BDS statistic. SSRN Electronic Journal, Christ Church and Department of Economics Unvercity of Oxford. Kunchu, P. K. (1997). Using BDS statistics to detect nonlinearity in time series. Computer and Information Science. Miscellaneous Papers, Computational Intelligence, 2(2), 1-2. Murray, Z. F. & Sanati, A. (2018). How does the stock market absorb shocks? Journal of Financial Economics, 129(1), 136-153. Nikosakhn, M. (2017). Presenting an improved hybrid model with automatic break selection for stock market forecasting. Financial Research, 20(3), 389-408. (in Persian) Peymani Farushani, M., Erza, A.H., Salehi, M. & Salehi, A. (2019). Transaction efficiency based on candlestick charts in Tehran Stock Exchange. Financial Research, 22(1), 69-89. (in Persian) Pradeepkumar, D., Ravi, V. (2017). Forex rate prediction: A hybrid approach using chaos theory and multivariate adaptive regression splines, in: Proceedings of the 5th International Conference on Frontiers in Intelligent Computing: Theory and Applications, Springer, Singapore, Bhubaneshwar, Odisha, India: 219–227. Rajabi, M. & Khaluzadeh, H. (2014). Optimization and comparison of stock portfolio in Tehran Stock Exchange with the benefit of multi-objective evolutionary optimization algorithms. Financial Research, 16(2), 253-270. (in Persian) Rastgar, M.A. & Dastpak, M. (2017). Presenting the model of transactions with high frequency, along with the dynamic management of the stock portfolio using the reinforcement learning method in the Tehran Stock Exchange. Financial Research, 20(1), 1-16. Saif, Samira; Jamshidi Navid, Babak; Ghanbari, Mehrdad; Ismailpour, Mansour. (1400). Forecasting the trend of the Iranian stock market using Elliott wave profile and relative strength index. Financial Research Quarterly, 23(1), 134-157. (in Persian) Shakeri, S.Z., Homayounifar, M., Fallahi, M. A. & Sharabaf Tabrizi, S. (2014). Investigation of the theory of turmoil in the price of Bahar Azadi coins in Iran. Bi-Quarterly Journal of Monetary-Financial Economics (Former Knowledge and Development), 22 (10), 84-103. (in Persian) Small, M. & Tse, C. K. (2003). Determinism in fnancial time series. Studies in Nonlinear Dynamics and Econometrics, 7(3). Tabatabai, S.J., Pak Gohar, A. (2019). Time series modeling of Frein values based on spectral analysis approach. Financial Research Quarterly, 22(4), 594-611. (in Persian) Talebi, M., Agha Babaei, M.I., Saidi Kosha, M. (2019). Investigating the underreaction of Tehran Stock Exchange after severe market events. Financial Research, 22(4), 521-541. (in Persian) Tayyabi, S. K., Moeini, Sh., Zamani, Z. (2011). Modeling the Inevitability of Losses of Most Forex Traders Using Stochastic Process Theory. Economic Modeling Research Quarterly, 3(11), 99-121. (in Persian) | ||
آمار تعداد مشاهده مقاله: 1,280 تعداد دریافت فایل اصل مقاله: 824 |