سید علی موسوی سرحدی
-
هدف:
هدف اصلی تحقیق حاضر، بررسی ریسک دنباله در بورس اوراق بهادار تهران با استفاده از از روش-های پویا و تجزیه طیفی سری زمانی در قالب معیار ریزش مورد انتظار پویای چند مقیاسی (DMS-ES) می باشد.
روش شناسی پژوهش:
در این راستا از داده های روزانه شاخص کل بورس اوراق بهادار تهران در دوره زمانی 06/01/1390 - 28/12/1400 استفاده شد و پس از استخراج مولفه های اطلاعاتی کوتاه مدت، میان-مدت و بلندمدت سری زمانی بازده شاخص، چهار مدل پیش بینی معیار ریزش مورد انتظار (ES) با استفاده از رویکرد تیلور (2017) در افق های زمانی مختلف برآورد گردید.
یافته هانتایج برآورد مدل ها و آزمون های پس آزمانی نشان می دهد که معیار ریزش مورد انتظار (ES) ماهیتی کوتاه مدت داشته و مدل پویا با استفاده از مولفه های کوتاه مدت در افق زمانی یک روزه بالاترین کارایی را در بین مدل های معرفی شده داشته است. علاوه بر این، نتایج مقایسه مدل ها بر اساس آزمون متوسط زیان نشان می دهد که استفاده از مولفه های تجزیه طیفی، کارایی پیش بینی های پویای معیار ریزش مورد انتظار (ES) در افق های زمانی مختلف را افزایش می دهد.
اصالت / ارزش افزوده علمی:
در نهایت با توجه به نتایج تحقیق حاضر پیشنهاد می شود در راستای افزایش کارایی پیش بینی های معیارهای ریسک، مدل های پویا و الگوریتم های تجزیه سیگنال مورد استفاده قرار گیرد.
کلید واژگان: ریزش مورد انتظار پویای چند مقیاسی (DMS-ES), بورس اوراق بهادار تهران, تجزیه طیفی, ریسک دنباله, افق های زمانیPurposeThe main purpose of the present study is to investigate the tail risk in the Tehran Stock Exchange using dynamic methods and time series spectral analysis in the form of the dynamic multi-scale Expected Shortfall (DMS-ES).
MethodologyIn this study, the daily data of Tehran Stock Exchange total index in the period 2011/03/26 - 2022/03/19 were used then extracting the short-term, medium-term and long-term information components of the index return time series, four predictive models of expected fallout (ES) were estimated using Taylor (2017) approach at different time horizons.
FindingsThe results of estimating the models and back tests show that the expected shortfall (ES) is short-term in nature and the dynamic model using short-term components in the one-day time horizon has the highest efficiency among the introduced models. In addition, the results of comparing the models based on the average loss test show that the use of spectral analysis components increases the efficiency of dynamic predictions of the expected shortfall (ES) at different time horizons.
Originality / Value:
Finally, according to the results of this study, it is suggested to use dynamic models and signal decomposition analysis algorithms to increase the efficiency of risk criteria predictions.
Keywords: Multi-Scale Dynamic Expected shortfall (DMS-ES), Tehran Stock Exchange, Spectral Analysis, tail Risk, time horizons -
پیش بینی قیمت آتی و به تبع آن کسب بازدهی بیشتر همواره یکی از مهمترین موضوعات در بازارهای مالی بوده است. از این رو در این پژوهش به طراحی سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند پرداخته شده است. برای رسیدن به این هدف، این پژوهش در چهار مرحله اصلی طراحی و اجرا گردیده است. در مرحله اول حدود کانال روند در بازه های زمانی مختلف استخراج گردیده و این حدود در مرحله دوم برای دوره آزمایش توسط الگوریتم ماشین بردار پشتیبان پیش بینی شده است. در مرحله سوم استراتژی های خرید و فروش در محدوده کانال پیش بینی شده در دوره آزمایش تعریف و اجرا شده و در مرحله چهارم بازدهی حاصل از سیستم طراحی شده با بازدهی حاصل از بکارگیری استراتژی خرید و نگهداری مقایسه شده اند.
در مورد همه شاخص های انتخاب شده به عنوان نمونه پژوهش، عملکرد سیستم هوشمند خرید و فروش بر اساس مدلی مرکب از الگوریتم ماشین بردار پشتیبان و تئوری کانال روند از عملکرد استراتژی خرید و نگهداری بهتر بود.کلید واژگان: الگوریتم ماشین بردار پشتیبان, تئوری کانال روند, پیش بینی شاخصPredicting future prices and consequently higher returns in financial markets has been one of the most important issues. In this study, the design of intelligent systems to buy and sell based on a complex model of support vector machine algorithm and theory of trend channel been discussed. To achieve the aim of this object, this study was performed in four main steps. In the first phase, range or limits of trend channel at different time intervals were extracted and these limits in the second phase of the experiment was predicted by the algorithm and Support Vector Machine.In the second phase in the range of channel which been predicted in period of experiment, sales strategy was defined and implemented. And in the third stage, returns from system designed with efficiency resulting from the use of buy and hold strategies were compared. In all selection criteria as a sample, Intelligent system performance based on the model of combined sales and support vector machine algorithm and theory of trend channel was better than the performance of buy and hold strategy.Keywords: SVM algorithm, trend channel theory, index prediction
- این فهرست شامل مطالبی از ایشان است که در سایت مگیران نمایه شده و توسط نویسنده تایید شدهاست.
- مگیران تنها مقالات مجلات ایرانی عضو خود را نمایه میکند. بدیهی است مقالات منتشر شده نگارنده/پژوهشگر در مجلات خارجی، همایشها و مجلاتی که با مگیران همکاری ندارند در این فهرست نیامدهاست.
- اسامی نویسندگان همکار در صورت عضویت در مگیران و تایید مقالات نمایش داده می شود.