کیمیا زندبیگلری
محمد امینی - فارغ التحصیل کارشناسی ارشد مهندسی صنایع، دانشگاه صنعتی شریف، دانشکده مهندسی صنایع، سیستم های اقتصادی اجتماعی، تهران

هدف پژوهش انجام شده پیش بینی نوسان پذیری بازده سهام است. بدین منظور ویژگی های مربوط به نرمال ایستایی مدل های گارچ بررسی شده است. پس از برقراری ویژگی ها، مدل های گارچ مورد برازش قرارگرفته است. در بین مدل های گارچ مدل (EGARCH-T(1,1 ازنظر معیارهای تعریف شده بهینه ترین مدل از بین مدل های خانواده گارچ است. همچنین شبکه عصبی بهینه ای طراحی شده داده های موردمطالعه برازش داده شده است که مقدار خطا برابر با 0/0745 بود. در انتها قبل از ورود داده های خروجی شبکه عصبی به عنوان ورودی مدل های گارچ، ویژگی های نرمال، ایستایی وجود اثرات آرچ موردبررسی قرارگرفته است شبکه عصبی بهینه با مدل های خانواده گارچ ترکیب شده است. خطای مدل ترکیبی حاصل مدل (ANN-EGARCH-T(3,1 برابر 0/0438 بوده است. در مطالعه انجام شده بر اساس نتایج اثبات شده است که مدل ترکیبی شبکه عصبی EGARCH با توجه به معیارهای تعیین شده، مدلی مناسب برای پیش بینی نوسان پذیری بازده پرتفو مشخص شده، است.

پیش بینی نوسانات بازار سهام، مدل های ترکیبی، شبکه عصبی مصنوعی، مدل های خانواده گارچ