پیش بینی نوسانات قیمت سهام بر اساس دیدگاه اطلاعات آماری
چکیده
هدف – در مقاله حاضر با بحث در مورد رابطه بین مقدار و قیمت سهام در بازار مبادلات، هدف چگونگی بررسی گردش سرمایه خارجی است، بدین منظور که آیا لحاظ نمودن اطلاعات آماری در واقع به پیش بینی نوسان قیمت سهام کمک می نماید یا خیر.
طرح/ روش/ رویکرد پژوهش - با مقایسه مزایا و معایب نسبی دو روش عمده غیرپارامتری اصلی، و در نظر گرفتن ویژگی های سری زمانی مقدار سهام مدنظر، مدل نوسان تصادفی وابسته به مقدار سهام ( SV-VOL) براساس روش شبیه سازی APF-LW، در نهایت جهت کاوش و پیاده سازی الگوریتم های تخمین کارآمدتر استفاده شده است. میزان سهام درمدلی برای گذر تدریجی شناور گنجانده شده است، که توسط آن مسئله ناکافی بودن استفاده از اطلاعات آماری در پژوهش های گذشته حل شده، بدین معنا که توسعه مدل SV محقق شده است.
یافته های پژوهش- برآورد مؤثر از مدل SV-VOL از طریق الگوریتم متوالی مونته کارلو (SMC)، با برنامه ریزی تحقق می یابد. یافته ها نشان می دهند که اطلاعات آماری بازار بورس برای پیش بینی نوسان قیمت سهام مفید می باشند. اطلاعات آماری بازار بورس که بر عایدی سهام و رابطه قیمت-و مقدار سهام تأثیر می گذارد، به طور غیر مستقیم از نسبت سرمایه خالص به بازار سهام به دست می آید. کاهش و نوسان ارزش بورس جاری موجب ترمیم و بهبود بازار سهام نمی شوند.
محدودیت ها و مفاهیم تحقیق- اینکه که آیا لحاظ نمودن اطلاعات آماری در واقع به پیش بینی نوسان قیمت سهام و نحوه ترکیب اطلاعات آماری بازار بورس کمک می نماید یا خیر هنوز در مرحله اکتشافی است. مقاله حاضر درصدد تعیین میزان اطلاعات آماری بازار بورس با توجه به کانال های مستقیم و غیر مستقیم از چشم انداز علت معلولی است. لازم است اقدامات و نتایج مربوطه مورد آزمایش قرار گرفته و تکمیل شوند.
مفاهیم کاربردی- پژوهش های گذشته از تأثیر اطلاعات آماری موجود در بازار بورس بر روی نوسان قیمت سهام چشم پوشی نموده اند. این پژوهش، بخصوص از لحاظ مشکلات، نمونه ها، روش ها، و نتایج پژوهش، تا حدی یک مکمل مفید برای پژوهش های موجود به حساب می آید.
اصالت و اعتبار پژوهش- مدل SV با اطلاعات آماری از بازار سهام نه تنها می تواند به طور مؤثری مشکل ناکارآمدی استفاده از اطلاعات موجود در میزان سهام در شیوه های سنتی را حل نماید، بلکه دقت تخمین مدل را با نشان دادن اطلاعات آماری بازار بورس مدل از طریق پردازش وزنی، که یک مکمل مفید برای متون تحقیقاتی موجود است، بهبود می بخشد. الگوریتم SMC که با برنامه ریزی تحقق می یابد است پیشرفت وتوسعه الگوریتم های غیر پارامتریک مفید است. مقاله حاضر تلاش مفیدی برای تعیین میزان اطلاعات آماری بازار بورس نموده، برخی نتایج سودمند به دست آمده است.
Abstract
Purpose – In the process of discussing the relationship between volume and price in the stock market, the purpose of this paper is to consider how to take the flow of foreign capital into consideration, to determine whether the inclusion of volume information really contributes to the prediction of the volatility of the stock price.
Design/methodology/approach – By comparing the relative advantages and disadvantages of the two main non-parametric methods mainstream, and taking the characteristics of the time series of the volume into consideration, the stochastic volatility with Volume (SV-VOL) model based on the APF-LW simulation method is used in the end, to explore and implement a more efficient estimation algorithm. And the volume is incorporated into the model for submersible quantization, by which the problem of insufficient use of volume information in previous research has been solved, which means that the development of the SV model is realized.
Findings – Through the Sequential Monte Carlo (SMC) algorithm, the effective estimation of the SV-VOL model is realized by programming. It is found that the stock market volume information is helpful to the prediction of the volatility of the stock price. The exchange market volume information affects the stock returns and the price-volume relationship, which is achieved indirectly through the net capital into stock market. The current exchange devaluation and fluctuation are not conducive to the restoration and recovery of the stock market.
Research limitations/implications – It is still in the exploratory stage that whether the inclusion of volume information really contributes to the prediction of the volatility of the stock price, and how to incorporate the exchange market volume information. This paper tries to determine the information weight of the exchange market volume according to the direct and indirect channels from the perspective of causality. The relevant practices and conclusions need to be tested and perfected.
Practical implications – Previous studies have neglected the influence of the information contained in the exchange market volume on the volatility of stock prices. To a certain extent, this research makes a useful supplement to the existing research, especially in the aspects of research problems, research paradigms, research methods and research conclusion.
Originality/value – SV model with volume information can not only effectively solve the inefficiency of information use problem contained in volume in traditional practice, but also further improve the estimation accuracy of the model by introducing the exchange market volume information into the model through weighted processing, which is a useful supplement to the existing literature. The SMC algorithm realized by programming is helpful to the further advancement and development of non-parametric algorithms. And this paper has made a useful attempt to determine the weight of the exchange market volume information, and some useful conclusions are drawn.
چکیده
1. مقدمه
2. ارتباط نظري بین میزان سهام و نوسانات قیمت سهام و ارائه فرضیه تحقيق
3. آزمون تجربی اثبات کننده برتری اطلاعات آماری برای نوسان قیمت سهام
3. 1. مبنای ریاضیاتی فرضیه ترکیب توزیع ( MDH)
3. 2. مدل SV-VOL و برآورد آن
3 .3 . تجزیه و تحلیل منطقی و تفسیر مکانیسم نتایج تجربی
4. نتیجه گیری
منابع
Abstract
1. Introduction
2. Theoretical correlation between volume and stock price fluctuation and presentation of research hypothesis
3. Empirical test proving the superiorities of volume information for stock price volatility
3.1 Mathematical basis of the mixture of distribution hypothesis (MDH)
3.2 SV-VOL modeling and estimation
3.3 Logical analysis and mechanism interpretation of empirical results
4. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه