ارائه مدل ترکیبی برای پیشبینی نوسانات با استفاده از مدلهای سری زمانی و هوش مصنوعی در بورس اوراق بهادار تهران [پايان نامه فارسي]
شیوا بابایی
| شناسگر رکورد: | ۱۶۰۴۰ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | ارائه مدل ترکیبی برای پیشبینی نوسانات با استفاده از مدلهای سری زمانی و هوش مصنوعی در بورس اوراق بهادار تهران |
| نويسنده: | شیوا بابایی |
| استاد راهنما : | دکتر احمد پویانفر |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۸ |
| چکیده: | بررسی نوسانات سهام، یکی از مسائل بسیار مهم در بازارهای مالی است که توجه بسیاری از پژوهشگران و کارشناسان این حوزه را به خود جلب کرده است. نوسانات در بازارهای مالی، یکی از متغیرهای مهم در زمینه تصمیمات سرمایهگذاری، قیمتگذاری اوراق بهادار و مشتقهها، مدیریت ریسک، تدوین مقررات و سیاستگذاری پولی است. مدلهای مختلفی در زمینه بررسی نوسانات ارائه شدهاند که از جمله مهمترین آنها میتوان به مدلهای واریانس ناهمسانی شرطی اتو رگرسیو یا همان آرچ و گارچ و سایر مدلهای مشتق شده از آنها اشاره کرد. از آن جا که واریانسهای شرطی به صورت واقعی قابل اندازهگیری نیستند، برای بررسی قدرت مدلسازی و پیشبینی این مدلها میتوان از مدلهای ریزساختار معاملات سهام استفاده کرد که این مدلها، مدلهای واریانس واقعی شده نام دارند که با استفاده از اطلاعات ریز معاملات سهام در بازارهای بورس به دست میآیند. از نوسانات محاسبه شده توسط مدلهای ریزساختار یا همان نوسانات واقعی شده میتوان به عنوان معیار مناسب جهت بررسی مدلهای واریانس شرطی بهره برد. در پژوهش جاری سعی شده است نوسانات شاخص بورس اوراق بهادار تهران با استفاده از مدل ترکیبی ایجاد شده بر پایه مدلهای سری زمانی و هوش مصنوعی، مدلسازی و پیشبینی شود. بدین منظور، ابتدا از بین مدلهای خانواده گارچ، بهترین مدل با استفاده از معیارهای اطلاعاتی انتخاب شد. در ادامه، سه مدل گارچ ساده، مدل گارچ - هموارسازی نمایی و مدل گارچ - شبکه عصبی ایجاد شد که مدل ترکیبی بر پایه این سه ایجاد شود. برای ایجاد مدل ترکیبی، وزنهای مدل با استفاده از الگوریتم ژنتیک و براساس مقادیر واریانس واقعی شده، بهینه شد. نهایتا عملکرد مدلهای مختلف با استفاده از معیارهای میانگین مربعات خطا و میانگین قدر مطلق خطا با همدیگر مقایسه شده و بر اساس نتایج به دست آمده، مشاهده شد که مدل ترکیبی، خطای تخمین و پیشبینی نوسانات شاخص بورس تهران را نسبت به سایر مدلها کاهش داده و مدل برتر پژوهش جاری است. |
| واژگان کلیدی: | مدیریت مالی |
| مهندسی مالی | |
| مدیریت ریسک | |
| نوسانات | |
| واریانس شرطی | |
| واریانس واقعیشده | |
| الگوریتم ژنتیک | |
| مدل ترکیبی |
جهت ثبت نظر با حساب کاربری تان وارد شوید