تحقیقات مدلسازی اقتصادی، جلد ۲، شماره ۸، صفحات ۱۱۹-۱۴۰

عنوان فارسی تحلیل آشوب، تجزیۀ موجک و شبکۀ عصبی در پیش‌بینی شاخص بورس تهران
چکیده فارسی مقاله این مطالعه برای پیش‌بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش‌بینی‌پذیری را بررسی کرده و نیز عملکرد انواع مدل ‌ های شبکۀ عصبی را با کمک داده‌های تجزیه‌شده با روش موجک ارزیابی کرده است. به‌همین منظور، از داده ‌ های سری‌زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دورۀ زمانی 5 فروردین ‌1388 تا 18 اردیبهشت 1391 استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دورۀ بررسی‌شده، پیش‌بینی‌پذیر بوده و آثار غیرخطی معیّن و آشوبی داشته است. همچنین برطبق معکوس آمارۀ حداکثر نمای لیاپانوف، تعداد روز‌های پیش‌بینی‌پذیر در این مطالعه، 31 روز به‌دست آمد. یافتۀ دیگر این پژوهش نیز به برتری عملکرد مدل ‌ های شبکۀ عصبی چندلایۀ پیش‌خور ( MFNN ) و شبکۀ عصبی فازی ( ANFIS ) مبتنی‌بر داده ‌ های تجزیه‌شده به کمک تجزیۀ موجک در ­ مقابل به‌کارگیری سطح داده‌ها دلالت دارد. در­این‌بین نیز برتری با مدل شبکۀ عصبی چندلایۀ پیش‌خور بوده است.
کلیدواژه‌های فارسی مقاله پیش‌بینی، بورس، تحلیل آشوب، تجزیۀ موجک، مدلهای شبکۀ عصبی.

عنوان انگلیسی Chaos Analysis, Wavelet Decomposition and the Performance of Neural Network Models in Forecasting Tehran Stock Exchange Index
چکیده انگلیسی مقاله This study investigates predictability, chaos analysis, wavelet decomposition and the performance of neural network models in forecasting the return series of the Tehran Stock Exchange Index (TEDPIX). For this purpose, the daily data from April 24, 2009 to May 3, 2012 is used. Results show that TEDPIX series is chaotic and predictable with nonlinear effect. Also, according to obtained inverse of the largest lyapunov exponent, we are able to predict the future values of the series up to 31 days. Besides, our findings suggest that multi-layer feed forward neural network model and fuzzy model based on decomposed data, are of superior performances in predicting the return series. It is worth mentioning that, among these models, MFNN reveals the best performance.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله اسماعیل نادری | esmaeil naderi
tehran university
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

حسین عباسی نژاد | hossein abbasi nejad
tehran university
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)


نشانی اینترنتی http://jemr.khu.ac.ir/browse.php?a_code=A-10-837-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده پولی و مالی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات