2021-11-12 11:17:31
مقالات تخصصی من در زمینه پیشبینی بازارهای مالی در ژورنالهای داخلی و خارجی
*علی رئوفی- دکتری اقتصاد مالی
1- Empirical Study on the Existence of Long-term Memory In Tehran Stock Exchange Returns: Rolling Window Approach
در این مقاله وجود حافظه در دادههای تاریخی بورس اوراق بهادار بررسی شده است. به زبان ساده اینکه آیا میتوان با استفاده از دادههای روزهای گذشته، آینده بازار را پیشبینی کرد؟ بر اساس نتایج بدست آمده دادههای بورسی دارای حافظه حدودا سه روزه هستند و میتوان از اطلاعات سه روز گذشته برای پیشبینی استفاده کرد. البته به مرور زمان این حافظه کوتاه شده و به بورس ایران به بازار کارا نزدیکتر شده است.
2- Forecasting Tehran Stock Exchange Index Returns Using a Combination of Wavelet Decomposition and Adaptive Neural Fuzzy Inference Systems
در این مقاله تلاش شده کردهایم تا شاخص کل بورس اوراق بهادار را با استفاده از ترکیب ابزارهای پیشرفته نظیر شبکه عصبی مصنوعی، تجزیه موجک و منطق فازی پیشبینی کنیم. در این روش، نویزها با استفاده از تجزیه موجک حذف شده تا نوسانات اصلی راحتتر قابل پیشبینی باشد. در نهایت یک مدل با دقت پیشبینی بالا ارائه شده است.
3- Assessment of Gold Price Predictability and Comparison of Predictions made by Linear and Nonlinear Methods
در این مقاله پیشبینیپذیری قیمت طلا مورد بررسی قرار گرفته است و مشخص شده است و بهترین روش برای پیشبینی قیمت طلا معرفی شده است.
4- Comparison of Several Combined Methods for Forecasting Tehran Stock Exchange Index
در این مقاله انواع روشهای پیشرفته پیشبینی مورد ارزیابی و مقایسه قرار گرفتهاند. و در نهایت روش ترکیبی شبکه عصبی مصنوعی-فازی به عنوان روش برگزیده معرفی گردیده است. در این روش جهت بازار (مثبت و منفی بودن بازده) با دقت 72 درصد قابل پیشبینی است.
5- Assessment and Comparison of linear and non- linear Methods for Forecasting Returns on Stock Market Index
در این مقاله روشهای خطی و غیرخطی برای پیشبینی سهام مورد بررسی و مقایسه قرار گرفت. در ابتدا اثبات شد که رفتار بازار سهام ایران غیرخطی و آشوبی است. رفتار آشوبی رفتاری است که علیرغم وجود بی نظمی در ساختار خود، از یک نظم پیچیده که شاید در ظاهر قابل مشاهده نباشد پیروی میکند. سپس روشهای پیشبینی پیشرفته با روشهای خطی مقایسه شده است. نتایج مطابق انتظار نشان داد که روشهایی که توانایی مدلسازی رفتار غیرخطی را دارند بهتر از روشهای خطی پیشبینی میکنند.
6- Forecasting OPEC Crude Oil Price Using Fuzzy Autoregressive Integrated Moving Average (FARIMA) Model
در این مقاله تلاش شده است تا قیمت نفت با استفاده از یک الگوی رگرسیون فازی مورد پیشبینی قرار گیرد. در نهایت مشخص شد که این روش توانایی قابل قبولی در پیشبینی بازار نفت نسبت به سایر روشها دارد.
7- Identifying Data Generator Process of Tehran Stock Exchange, Modeling and forecasting using Soft Computing
در این مقاله دادههای تاریخی بورس از جهات مختلف مورد بررسی قرار گرفته است. با شناسایی خصوصیات مختلف شامل حافظهمند بودن، کارا بودن، آشوبی بودن و نامتقارن بودن یک الگوی پیشبینی قابل قبول ارائه گردد. در نهایت مشخص شد که شوکهای مثبت و منفی در بازار سهام متقارن نیستند و شوکهای منفی بزرگتر از شوکهای مثبت است. همینطور بازار سهام یک بازار آشوبی و حافظهمند است و مدلی که قرار است پیشبینی بازار را بر عهده بگیرد باید این خصوصیات را مدل کند.
8- Evaluation and comparison of performance of ANFIS and ARIMA in forecasting the daily gold prices
در این مقاله دو روش مختلف آریما (اقتصادسنجی) و شبکه عصبی فازی (محاسبات نرم) برای پیشبینی قیمت سکه تمام بهار آزادی مورد استفاده و مقایسه قرار گرفت که روش شبکه عصبی فازی با دقت بسیار بالایی توانایی خود را در پیشبینی این بازار نشان داد
9- The Existence of Long Memory Property in OPEC Oil Prices
در این مقاله قیمت نفت اوپک مورد ارزیابی قرار گرفته است و پیشبینی پذیری آن سنجش شده است. نتایج نشان میدهد که پیشبینی پذیری بازار نفت اگرچه کار دشواری است با این حال غیر ممکن نیست.
10- Evaluation and Comparison of Forecast Performance of Linear and Non-linear Methods for Daily Returns of Tehran Stock Exchange
در این مقاله انواع روشهای نوین پیشبینی بازار سهام مورد بررسی قرار گرفته است و مهمترین روشها با یکدیگر مقایسه شده است.
11- The Role of Feature Engineering in Prediction of Tehran Stock Exchange Index Based on LSTM
.
لیست کامل مقالات را اینجا (+) مطالعه بفرمایید
1.5K views08:17