مطالعهای بر رفتار دادههای بازده شاخص بورس تهران و ارائه روش پیشبینی تغییر رژیم مبتنی بر شبکههای عصبی عمیق
نویسندگان
1 دانشجوی کارشناسی ارشد مدیریت مالی، موسسه آموزش عالی ارشاد دماوند، تهران، ایران.
2 استادیار، گروه مالی و بیمه، دانشگاه تهران، تهران، ایران.
3 استادیار، گروه حسابداری، دانشگاه الزهراء، تهران، ایران.
doi
10.52547/jfmp.11.34.145چکیده
دراین پژوهش با نگاهی آماری بر دادههای بورس تهران اقدام به شناسایی رفتار و فرآیند تولید دادههای بازده روزانه شاخص بورس تهران شده و پس از انجام آزمونهای متعدد، با شناسایی رفتار آماریاین دادهها و اظهارنظر راجع به کاراییاین بازار، اقدام به توسعه مدلی نوین برای پیشبینی آن شده است. لازم به ذکر است که ساختار مدل ارائه شده مطابق با رفتار آماریاین دادهها تدوین شده است. مدل ارائهشده متشکل از دو شبکه عصبی مصنوعی احتمال ترکیبی و حافظه کوتاهمدت و بلندمدت ماندگار میباشد که با در نظر گرفتن تعداد رژیمهای رفتاری متفاوت، حرکات روزانه بازده شاخص بورس تهران را در بازه زمانی آذر 1387 تا فروردین 1400 توضیح میدهد. آزمونهای متفاوت کارایی ضعیف بازار را رد کرده و ذات آشوبی را در رفتار بازده شاخص کل بورس تهران نشان میدهد. مدل ارائهشده دراین پژوهش توانسته است دقت بهتری نسبت به مدل بدون در نظر گرفتن رژیم کسب بنماید. آزمون دیابولد ماریانو معنیدار بودناین تفاوت دقت مدلها را تائید کرده و آزمون معکوس با در نظر گرفتن هزینه معاملاتی نشان داده است که استراتژیاین مدل با در نظر گرفتن چند رژیم، بازده بالاتری نسبت به مدل بدون رژیم و شاخص بازار کسب میکند.
