چکیده:
ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها است اما ﺑﻬﺘﺮ اﺳﺖ ﻣﻌﯿﺎرﻫﺎیی همچون ﭼﻮﻟﮕﯽ با در نظر گرفتن ﭘﺘﺎﻧﺴﯿﻞ آینده ﺳﻬﺎم مورد بررسی قرار گیرد. در اﯾﻦ ﺗﺤﻘﯿﻖ از 20 ﺷﺮﮐﺖ اول از 50 ﺷﺮﮐﺖ ﺑﺮﺗﺮ ﺳﻪ ﻣﺎﻫﻪ اول سال 2019 اﻋﻼم ﺷﺪه ﺗﻮﺳﻂ ﺷﺮﮐﺖ ﺑﻮرس ﺑﻪ ﻋﻨﻮان ﻧﻤﻮﻧﻪ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. همچنین اﯾﻦ ﭘﮋوﻫﺶ ﺑﻪ دﻧﺒﺎل اراﺋﻪ مدلی است که در آن پتانسیل آینده سهام ، توسط شبکه عصبی پرسپترون چندلایه با چندسناریو مختلف از جمله پیش بینی از روش خود سری زمانی قیمت سهام و یا پیش بینی با تاثیر عوامل موثر در تغییرات قیمت سهام، پیش بینی می شود. ﺳﭙﺲ، اﯾﻦ ﻣﺪلﻫﺎی بهینه سازی ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ هوش جمعی سالپ که از الگوریتم های نوظهور و با قدرت همگرایی بالا است، ﺣﻞ ﻣﯽﮔﺮدد. ﻧﺘﺎﯾﺞ ﺗﺤﻘﯿﻖ ﺑﯿﺎﻧﮕﺮ آن اﺳﺖ ﮐﻪ ﻣﺪلﻫﺎی اراﺋﻪ ﺷﺪه در اﯾﻦ ﻣﻘﺎﻟﻪ، در ﻣﻘﺎﯾﺴﻪ ﺑﺎ روشﻫﺎی ﺳﻨﺘﯽ و ﺷﺎﺧﺺ ﺑﺎزار، ﺑﺎزدﻫﯽ ﺑﺎﻻﺗﺮی را برای سرمایه گذاران فراهم می نماید.
خلاصه ماشینی:
2 Forni et al 3 Nieuwenhuyze 4 Forni & Hallin & Lippi & Zaffaroni 5 Generalised Dynamic Factor Model (GDFM) 6 Sargent & Sims 7 Chuliá & Guillén 8 Barigozzi & Hallin 9 Vine - Copula 10 Jin & DeSimone 11 Hallin & Liška 12 Bai and Ng 13 Stock and Watson 1414 Forni and Reichlin (1998) and Forni et al 15 Bai and Ng 16 Augmented Dickey-Fuller test statistic 17 Generalized least squares 18 Augmented Dickey-Fuller test statistic / ٤٣ فصلنامه مهندسي مالي و مديريت اوراق بهادار / شماره چهل و چهارم / پائيز ١٣٩٩ طراحي مدل ارزيابي ريسک و تعيين پرتفوي بهينه ارزي بانک ها تحت معيار ارزش در معرض ريسک و تکنيک ميانگين متحرک موزون نمايي (EWMA١)(مطالعه موردي: بانک ملت ) تاريخ دريافت مقاله : ٩٨/٠٧/٢٣ تاريخ پذيرش مقاله : ٩٨/٠٨/٢١ غلامرضا بياتي ١ محمد ابراهيم محمدپورزرندي ٢ چکيده بانک ها به عنوان واسطه وجوه در تجهيز و تخصيص منابع جامعه ، با ريسک بازار، ريسک نقدينگي و غيره مواجه هستند.
P. Morgan 23 Dr Denis Weterstone 24 Markowitz Portfolio Theory 25 RiskMetrics 26 CreditMetrics 27 CorporateMetrics 28 Basle Committee on Banking Supervision 29 Variance-Covariance Method 30 Mean Variance Method 31 MiniMax Method 32 Extreme Value Theory 33 Regression quantile technigue 34 Quasi Maximum Likelihood GARCH 35 Hybrid Model 36 Historical Simulation Method 37 Monte Carlo Simulation Method 38 Value At Risk / ٧٣ فصلنامه مهندسي مالي و مديريت اوراق بهادار / شماره چهل و چهارم / پائيز ١٣٩٩ مدل سازي مبادلات سهام با رويکرد شمعدان فازي و روش بهينه سازي کرم شب تاب و مورچگان 1 حسن کلانتري درونکلا 2 تاريخ دريافت مقاله : ٩٨/١١/٣٠ تاريخ پذيرش مقاله : ٩٨/١٢/١٨ ايمان داداشي 3 حميدرضا غلام نيا روشن کاوه آذين فر٤ چکيده اخيرا از روش هوشمند مبتني بر فازي براي پوياسازي الگوهاي کندل استيک ژاپني در جهت تحليل دقيق الگوهاي کندل استيک با در نظر گرفتن اطلاعات غير قطعي استفاده شده است .