اقتصادسنجی و بورس

الگوسازی و پیش‌بینی قیمت سهام شرکت‌های صنایع دارویی و شیمیایی پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از الگوها و روش‌های نوین

مقدمه: در این پژوهش از الگوی اقتصادسنجی و شبکه عصبی پایه شعاعی برای افزایش اثربخشی، کاهش هزینه و زمان روش تحلیل بنیادی در اقتصادسنجی و بورس پیش‌بینی قیمت سهام شرکت‌های صنایع مواد و محصولات دارویی، محصولات شیمیایی و وسایل اندازه‌گیری پزشکی و اپتیکی استفاده شده است.
روش پژوهش: پژوهش حاضر کاربردی و طرح آن از نوع شبه‌تجربی است. جامعه آماری این پژوهش متشکل از 30 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی 1390-1384 است. ساخت الگو و تجزیه و تحلیل داده‌ها با استفاده از نرم‌افزار Eviews نسخه 7 و Clementine نسخه 12 انجام شده است.
یافته‌ها: نتایج پژوهش نشان‌دهنده آن است که الگوی انتخابی شامل PC1 (جمع دارایی‌های جاری و جمع بدهی‌ها)، PC2 (نسبت جاری، نسبت آنی، نسبت گردش دارایی‌های ثابت مشهود، حاشیه سود ناخالص، حاشیه سود عملیاتی و حاشیه سود خالص)، بازده سهام و سود هر سهم قدرت توضیح‌دهندگی بالایی برای پیش‌بینی قیمت سهام دارد.
نتیجه‌گیری: شبکه عصبی در پیش‌بینی قیمت سهام از دقت خوبی برخوردار است. هم‌چنین، مقایسه دقت دو الگو بیانگر دقت بیش‌تر شبکه عصبی پایه شعاعی نسبت به الگوی اقتصادسنجی داده‌های تابلویی در پیش‌بینی قیمت سهام است.

کلیدواژه‌ها

• پیش‌بینی قیمت سهام
• تحلیل بنیادی
• داده‌های تابلویی
• شبکه عصبی پایه شعاعی
• صنایع دارویی و شیمیایی

عنوان مقاله [English]

Modelling and Predicting the Stock Price of the Pharmaceutical and Chemical Companies Listed on the Stock Exchange via New Methods and Models

نویسندگان [English]

• O. Aman Dad 1
• M. Salehi 2
• M. Fallahi 3

Introduction: In this research, econometrics and Radial Base Function neural networks have been used to increase the effectiveness, decrease time and costs for predicting the stock price of the material industries and pharmaceutical products, and the medical and optical measuring instruments companies by the method of fundamental analysis.
Method: The current research is an applied one and it has a quasi-empirical design. The statistical population of the research consist اقتصادسنجی و بورس of 30 companies listed on the Tehran Stock Exchange from 2005 to 2011. Designing the model and analyzing data have been done through Eviews Software Version 7, and Clementine Version 12.
Results: The results of the research indicate that the selected model includes PC1 (the sum of current assets, and the sum of liabilities), PC2 (current ratio, quick ratio, the ratio of tangible fixed assets turnover, gross profit margin, operational profit margin, and net profit margin), return on equity and earnings per share has a high explanatory ability to predict the stock price.
Conclusion: Neural network has a good accuracy in predicting the stock price. Moreover, the comparison of these two models state that the Radial Base Function neural network is more accurate than the model of econometrics of panel data in predicting the stock price.

کلیدواژه‌ها [English]

• Fundamental Analysis
• Pharmaceutical and Chemical Industries
• Predicting the Stock Price
• Radial Basis Function Neural Network

مراجع

1 Amandad, O.; Seyfi Ghobadi, H.; Baharlooyi, F.; and R. Hoseinipour (2014). “The Modeling and Prediction of Stock Prices in the Mining Industry in Tehran Stock Exchange”, Iranian Journal of Business and Econimics, Vol. 1, No. 2, pp. 41-50.

2 Motevasseli, M. and B. Taleb Kashefi (2006). “A Comparative Investigation of Power Neural Networks with the Inputs of Technical Analysis Indicators for Predicting Stock Prices”, Nameye Mofid Journal, Vol. 54, pp. 57-82. [In Persian]

3 Sinaie, H.; Mortazavi, S.; and Y. Teimuriye-asl (2005). “Predicting the Index of the Tehran Stock Exchange by Using Artificial Neural Networks”, The Iranian Accounting and Auditing Review, Vol. 12, No. 41, pp. 59-83. [In Persian]

4 Mohammadi, A. and H. Dastyar (2013). “The Evaluation of Pharmaceutical Companies Efficiency and Ranking them by Using Data Envelopement Window Analysis Approach”, Journal of Health Accounting, Vol. 2, No. 3, pp. 23-39. [In Persian]

5 Salehi, M. and F. Davtalabe Tousi (2014). “Investigating the Effect of Ownership Structure on the Firm Value of Pharmaceutical Companies Listed on the Tehran Stock Exchange via Panel Data Analysis”, Journal of Health Accounting, Vol. 3, No. 3, pp. 79-100. [In Persian]

6 Abbasi, E.; Ahmadi, S. H.; and E. Heydari (2013). “Ranking the Pharmaceutical Companies by Multi-Criteria Decision-Making Integrative Approach and Genetic Algorithm”, Journal of Health Accounting, Vol. 2, No. 1, pp. 57-77. [In Persian]

7 Tolouie Ashlaghi, A. and Sh. Haghdoust (2007). “Modeling the Prediction of Stock Prices by Using a Neural Network and Comparing with Mathematical Predictive Methods”, Economic Research, Vol. 25, pp. 237-252. [In Persian]

8 Ashrafzade, S. H. and N. Mehregan (2008). Econometric of Panel Data, 1 st Edition, Tehran: Tehran University Research Cooperation Institute. [In Persian]

9 Aboie Mehrizi, A. (2006). “Stock Price Forecasting by Using Neural Networks ANFIS”, M. A. Thesis in Financial Management, Institute of Research and Planning Institute of Higher Education. [In Persian]

10 Abarbanell, J. and B. Bushee (1998). “Abnormal Returns to a Fundamental Analysis Strategy”, The Accounting Review, Vol. 73, No. 1, pp. 19-45.

11 Beygi, S. (2011). “Comparing the Technical and Fundamental Approach in Predicting Stock Price and Presenting a Combined Model by Intelligent Systems”, M. A. Thesis in Economy, University of Tabriz, The Faculty of Social Sciences and Humanities. [In Persian]

12 Mehrani, اقتصادسنجی و بورس K. (2010). Stock Evaluation (Methods and Models): The Framework of Fundamental Analysis and Stock Value, 1 st Edition, Tehran: Mehraban Publications. [In Persian]

13 Mahdavi, Gh. and K. Goudarzi (2011). “Presenting an Artificial Neural Network for Predicting the Systematic Risk by Using Macro Variables of Economics (A Case Study: Saipa Corporation)”, Journal of Economic Research, Vol. 11, No. 4, pp. 218-237. [In Persian]

14 Yadav, N.; Yadav, Sh.; and P. Dhanda (2013). “Stock Price Prediction Using Neural Network”, Journal of Harmonized Research, Vol. 1, No. 2, pp. 146-153.

15 Monajjemi, A.; Abzari, M.; and A. Raaiyati Shavazi (2009). “Predicting Stock Prices in the Tehran Stock Exchange by Using Fuzzy Neural Network and Genetic Algorithm and Comparing it with Artificial Neural Network”, Journal of Quantitative Economics, Vol. 3, No. 6, pp. 1-26. [In Persian]

16 Hatami, N.; Mirzazadeh, H.; and R. Ebrahimpour (2010). “The Combination of Neural Networks for Predicting Stock Price”, Journal of Economic Sciences, Vol. 10, No. 2, pp. 61-80. [In Persian]

17 Nazarian, R.; Gandali Alikhani, N.; Naderi, E.; and A. Amiri (2013). “Forecasting Stock Market Volatility: A Forecast Combination Approach”, Munich Personal RePEc Archive (MPRA), No. 46786, Posted. 7, اقتصادسنجی و بورس Available at: http://mpra.ub.uni-muenchen.de/46786.[Online][14 May 2013]

18 Cao, Q.; Leggio, K. B.; and M. J. Schniederjans (2005). “A Comparison Between Fama and Frenchs Model and Artificial Neural Networks in Predicting the Chinese Stock Market”, Computers and Operations Research, Vol. 32, No. 10, pp. 2499-2512.

19 Desai, J.; Trivedi, A.; and N. Josh (2013). “Forecasting of Stock Market Indices Using Artificial Neural Network”, Working Paper, Available at: http://ssrn.com/abstract=2214219, pp. 1-18. [Online][14 May 2013]

20 Mayankkumar, B. P. and R. Y. Sunil (2014). “Stock Price Prediction Using Artificial Neural Network”, International Journal of Innovative Research in Science, Engineering and Technology, Vol. 3, No. 6, pp. 13755-13762.

21 Hafezia, R.; Shahrabib, J.; and E. Hadavandi (2015). “A Bat-Neural Network Multi-agent System (BNNMAS) for Stock Price Prediction: Case Study of DAX Stock Price”, Applied Soft Computing, Vol. 29, pp. 196-210.

22 Jolliffe, I. T. (2002). Principal Component Analysis (Springer Series in Statistics), 2 nd Edition, New York: Springer Publications.

23 Salimifar, M.; Razmi, M.; and M. Abou-torabi (2010). “Investigating the Relationship between Indicators of Financial Development and Economic Growth in Iran”, Journal of Quantitative Economics, Vol. 7, No. 1, pp. 75-103. [In Persian]

24 Momeni, M. and A. Faalle-ghayyoumi (2012). Statistical Analyses by Using SPSS, 6 th Edition, Tehran: Ata Zenouz Publications. [In Persian]

ارزیابی کارآیی بازار سرمایه با استفاده ازمدل های پیشرفته اقتصاد سنجی در بورس اوراق بهادار تهران مقاله

این پژوهش تلاشی در جهت معرفی یک الگوی مناسب به منظور ارزیابی پیشرفت کارایی بازار سرمایه در ایران می باشد. تخصیص بهینه منابع و سرمایه گذاری های خرد و کلان نقش اساسی در بازار سرمایه دارد. وظیفه اصلی بازار سرمایه به جریان انداختن سرمایه ها و تخصیص منابع به صورت موثر و بهینه می باشد. بررسی این موضوع که در بازار سهام چه عامل یا عواملی در تعیین قیمت یک سهم موثر است و آیا الگوی منظمی برای تعیین قیمت یک سهم وجود دارد بحث کارایی بازار را مطرح می نماید. بنابراین هدف این پژوهش بررسی کارایی بازار سرمایه در ایران می باشد. در این راستا از داده های روزانه شاخص کل و قیمت بورس اوراق بهادار تهران در طی سالهای 1387 الی 1396 استفاده شده است. برای انجام آزمون از مدل های اقتصاد سنجی خانواده ی ARCH , و GARCH و همچنین فیلتر کالمن استفاده اقتصادسنجی و بورس شده است. نتایج آزمون ها نشان دهنده عدم وجود کارایی به شکل ضعیف در بورس تهران می باشد و این عدم کارایی نسبت به اول دوره تغییر معنی داری نداشته است. به عبارت دیگر در بازار سهام تهران امکان پیش بینی بازدهی وجود دارد.

خلاصه ماشینی:

ارزيابي کارايي بازار سرمايه با استفاده ازمدل هاي پيشرفته اقتصاد سنجي در بورس اوراق بهادار تهران محمد جوزبرکند١ تاريخ دريافت مقاله : ٩٨/٠٧/٢٤ تاريخ پذيرش مقاله : ٩٨/٠٩/١١ 2 حسين پناهيان چکيده اين پژوهش تلاشي در جهت معرفي يک الگوي مناسب به منظور ارزيابي پيشرفت کارايي بازار سرمايه در ايران مي باشد. او در تحقيق خود براي آزمون کارايي در فرم ضعيف از دو روش پارامتري و ناپارامتري خود همبستگي سري هاي زماني تغييرات متوالي قيمت سهام آزمون گردش و براي آزمون کارايي در فرم نيمه قوي از دو مدل بازار و محاسبه بازده غيرعادي بدون توجه به بتا استفاده کرد و نتيجه اين مطالعه عدم کارايي بازار سرمايه در بورس اوراق بهادار تهران را در دو سطح ضعيف و نيمه قوي براي دوره زماني مورد مطالعه نشان مي دهد[٩و١٠]. يعقوب نژاد و شيرازي(١٣٨٧) در پژوهش خود با ارزيابي روند سطح کارايي اطلاعاتي بازار سرمايه ايران با توجه به واکنش سرمايه گذاران نسبت به اطلاعات مندرج در صورت هاي مالي با توجه به نقش اصلي بورس اوراق اقتصادسنجی و بورس بهادار، جذب منابع سرگردان در جامعه و هدايت آنها به سمت فعاليت هاي ارزش آفرين بيان کردند که اين مهم مشروط به وجود کارايي بازارهاي سرمايه است . براي آزمون اين فرضيه ، همبستگي تغييرات قيمت بعنوان شاخص عکس العمل سرمايه گذاران به اطلاعات مندرج در صورت هاي مالي اساسي شامل : سود هر سهم ، سود نقدي هر سهم ، ارزش شرکت ، بازده سرمايه گذاري و بازده حقوق صاحبان سهام ، طي يک دوره شش ساله با استفاده از داده هاي١٠٢شرکت پذيرفته شده در بورس اوراق بهادار تهران مورد آزمون قرار گرفته است .

اقتصادسنجی و بورس

معاملات لایو اسکالپ 8 فوریه

آنالیز قبل از بازگشایی بازار جهانی با حجت بلوچ زاده

معامله لایو انس طلا با چنگال اندروز با کامران جعفرقلی

ترید لایو انس طلا ۱۳ اکتبر با حجت بلوچ زاده

معاملات هفته ی آخر سپتامبر با متد زیبای نیوتنی

ترید لایو یورو دلار ۲۹ سپتامبر با کامران جعفرقلی

معامله دلار کد 26 سپتامبر با قانون اول اندروز

ترید لایو پوند به دلار تایم 15 دقیقه از کامران جعفرقلی

استفاده از واگرایی و چنگال اندروز

عرضه و تقاضا

معامله لایو تکنیک اسلایدینگ پارالل انس طلا

بازار جهانی ارز

ترید لایو پوند دلار 29 آپریل و توضیح قانون هاگوپیان

متد نیوتنی راهی برای آنالیز چارت ها

متد زیبای نیوتنی

روشی برای استفاده از چنگال اندروز

افشای ریسک و سلب مسئولیت

فعالیت در بازار های مالی با ریسک همراه است و امکان از دست دادن قسمت، یا کل سرمایه وجود دارد.
کلیه مطالب سایت تحلیل بازار بورس و ارز جنبه علمی آموزشی دارد و عواقب فعالیت در بازار های پر ریسک مالی بر عهده فرد معامله گر میباشد و مجموعه tbba هیچ مسئولیتی در قبال ضرر کاربران و مهمانان سایت نخواهد داشت.

اقتصادسنجی و بورس

چکیده این تحقیق با استفاده از رویکرد سیستمی و روابط تئوریک در اقتصاد کلان و بر پایه الگوهای رشد، اثر خصوصی سازی بازار بورس را بر رشد اقتصادی در ایران مورد بررسی قرار داده است. برای محاسبه تولید از شاخص سرمایه انسانی که این شاخص ها شامل: هزینه سرمایه گذاری در تحقیق و توسعه، امید به زندگی، نرخ تحصیلات و استاندارد زندگی می باشد - که توسط سازمان ملل منتشر می گردد- و برای محاسبه خصوصی سازی، سرمایه گذاری خصوصی و تقاضای سهام از آمارهای بانک مرکزی، سازمان خصوصی سازی، سازمان بورس اوراق بهادار و. .. استفاده شده و با استفاده از متغیرهای فوق، ارتباط خصوصی سازی و رشد اقتصادی در ایران و ارتباط متقابل آنها با استفاده از روشهای سیستم دینامیکی و اقتصادسنجی انجام شده است. روش سیستم دینامیکی توسط فارستر مطرح شد و بعضی از اقتصاددانان از جمله جمیز توبین مطرح می­کند که روش سیستم دینامیکی می­تواند به اصلاح بسیاری از سیاست­های نامناسب پولی و مالی منجر شود. در این مطالعه، از نرم افزار VENSIM[1]و نرم افزار اقتصاد سنجی بهره­گیری و نتایج تا سال 1400 با نرم افزارVENSIM شبیه سازی شده است. در این مقاله اقتصاد به چند بخش شامل: بخشهای بازار سهام، سرمایه گذاری و تولید تقسیم می شود. نتایج نشان داده است که رونق خصوصی سازی بر روی رشد اقتصادی، اثر مثبتی داشته لذا توصیه می شود که روی افزایش سرمایه­گذاری­های خصوصی کشور در ابعاد گوناگون برنامه­ریزی شده و در برنامه های رشد، روی آن مطالعه و توجه کافی مبذول گردد.
[1].VENSIM نرم افزاری است که تحت WINDOWS کار می کند و پس از مشخص کردن ارتباط سیستمی و تعیین روابط علت و معلولی، معادلات ریاضی را وارد نرم افزار کرده (پارامترها توسط روش اقتصاد سنجی با روشهای آماری و یا روشهای سیستمی تعیین می گردد) و مدل اجرا می شود.

اقتصادسنجی و بورس

معاملات لایو اسکالپ 8 فوریه

آنالیز قبل از بازگشایی بازار جهانی با حجت بلوچ زاده

معامله لایو انس طلا با چنگال اندروز با کامران جعفرقلی

ترید لایو انس طلا ۱۳ اکتبر با حجت بلوچ زاده

معاملات هفته ی آخر سپتامبر با متد زیبای نیوتنی

ترید لایو یورو دلار ۲۹ سپتامبر با کامران جعفرقلی

معامله دلار کد 26 سپتامبر با قانون اول اندروز

ترید لایو پوند به دلار تایم 15 دقیقه از کامران جعفرقلی

استفاده از واگرایی و چنگال اندروز

عرضه و تقاضا

معامله لایو تکنیک اسلایدینگ پارالل انس طلا

بازار جهانی ارز

ترید لایو پوند دلار 29 آپریل و توضیح قانون هاگوپیان

متد نیوتنی راهی برای آنالیز چارت ها

متد زیبای نیوتنی

روشی برای استفاده از چنگال اندروز

افشای ریسک و سلب مسئولیت

فعالیت در بازار های مالی با ریسک همراه است و امکان از دست دادن قسمت، یا کل سرمایه وجود دارد.
کلیه مطالب سایت تحلیل بازار بورس و ارز جنبه علمی آموزشی دارد و عواقب فعالیت در بازار های پر ریسک مالی بر عهده فرد معامله گر میباشد و مجموعه tbba هیچ مسئولیتی در قبال ضرر کاربران و مهمانان سایت نخواهد داشت.