4 نتیجه برای رضازاده
دکتر علیرضا کازرونی، علی رضازاده، سیاوش محمدپور،
دوره 2، شماره 5 - ( 7-1390 )
چکیده
هدف اصلی این مطالعه بررسی اثرات نامتقارن نرخ ارز واقعی بر صادرات غیرنفتی در ایران در دوره ی زمانی 1353-1386 است. بنابراین، در راستای هدف تحقیق، ابتدا شوک های مثبت و منفی نرخ ارز با استفاده از مدل غیرخطی مارکوف- سوئیچینگ بررسی شده است. برای براورد مدل غیرخطی نرخ ارز بر اساس مقدار تابع راست نمایی، مدل MSIH با سه رژیم از میان حالت های مختلف مدل MS برگزیده شد. در مرحله ی بعد، مدل اصلی تحقیق با استفاده از روش های هم انباشتگی جوهانسن- جوسیلیوس و DOLS براورد شد. بر اساس نتایج به دست آمده متغیرهای درامد خارجیان، درامد ناخالص داخلی، رابطه ی مبادله و درجه ی باز بودن تجاری، اثر مثبت و معنی دار بر صادرات غیرنفتی داشته که با مبانی نظری و مطالعات تجربی سازگار است. هر دو شوکهای مثبت و منفی نرخ ارز نیز تأثیر منفی و معنی دار بر صادرات غیرنفتی بر جای گذاشته است. بر اساس آزمون والد و LR اثرات شوکهای گفته شده نامتقارن بوده، به گونه ای که شوک های مثبت به گونه ای معنی دار بیشتر از شوک های منفی، صادرات غیرنفتی را متأثر می سازد .
حسین اصغرپور، فیروز فلاحی، ناصر صنوبر، علی رضازاده،
دوره 5، شماره 17 - ( 7-1393 )
چکیده
در این مطالعه سعی شده ضمن تعیین پرتفوی بهینۀ سهام آن دسته از شرکت‌های منتخب صنایع غذایی که در سازمان بورس و اوراق بهادار پذیرفته شده‌اند، با استفاده از آزمون‌های کوپیک و تابع زیان لوپز، روش مناسبی برای محاسبۀ VaR پیشنهاد گردد. در این مسیر ارزش در معرض خطر سهام با استفاده از دادههای هفتگی سهام شرکت‌های مذکور طی دوره دی‌ماه 1386 تا اردیبهشت 1393 به دو روش GARCH مارکوف- سوئیچینگ و بوت استرپینگ محاسبه شده‌است. در ادامه نیز مرز کارای سرمایه‌گذاری برای هر روش به دست آمده و وزن های بهینۀ سهام در چارچوب مدل میانگین- ارزش در معرض خطر تعیین شده‌است.
نتایج نشان می دهد که سبد در هر دو روش سهامی، در سبد بهینۀ از وزن بالایی برخوردار بوده که خود بیانگر بالا بودن و پایین بودن ارزش در معرض خطر می‌باشد، همچنین در روش پارامتریک بازده و ارزش در معرض خطر سبد بهینه در رژیم رونق بالاتر از رژیم رکور است که مطابق با انتظار است و طبق نتایج آزمون کوپیک هم اعتبار هر دو روش در محاسبۀ ارزش در معرض خطر تایید شد و پس‌آزمایی لوپز ارجحیت روش MS-GARCH را نسبت به بوت استرپینگ نشان داد، لذا پیشنهاد می شود که سرمایه گذاران برای محاسبۀ ارزش در معرض خطر سهام روش پارامتریک MS-GARCH را نسبت به روش ناپارامتریک در اولویت قرار دهند.
فاطمه انصاری، شهاب جهانگیری، علی رضازاده،
دوره 14، شماره 53 - ( 9-1402 )
چکیده
|
هدف: هدف این پژوهش ارائه یک راهنمای کاربردی برای سرمایه‌گذاری در بورس تهران از طریق ترکیب تکنیک‌های تحلیل تکنیکال با روش‌های پیشرفته یادگیری ماشین است. با تمرکز بر تحلیل سیگنال‌های خرید و فروش در شاخص‌های منتخب بورس تهران، تلاش شده است تا کارایی مدل‌های یادگیری ماشین در پیش‌بینی روند بازار بررسی شود.
روش: در این تحقیق، دادههای روزانه شش شاخص منتخب بورس تهران شامل شاخص‌های مالی، فرآورده‌های نفتی، خودرویی، دارویی، غذایی و فلزات اساسی از سال 1399 تا دی‌ماه 1403 مورد بررسی قرار گرفتند. چهار مدل یادگیری ماشین شامل مدل خطی، جنگل تصادفی، شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان در کنار دو استراتژی تحلیل تکنیکال TEMA و MACD برای تولید و ارزیابی سیگنال‌های خرید و فروش استفاده شدند.
یافته‌ها: نتایج نشان داد که مدل‌های یادگیری ماشین، به‌ویژه جنگل تصادفی و شبکه عصبی مصنوعی، در ترکیب با استراتژی‌های TEMA و MACD عملکرد بهتری در شناسایی سیگنال‌های خرید و فروش داشته‌اند. این مدل‌ها توانستند با دقت بالاتری روند بازار را پیش‌بینی کنند و سیگنال‌های تولیدشده توسط آنها در اغلب موارد با تغییرات واقعی قیمت همخوانی داشت. شاخص‌های غذایی، خودرویی و مالی حساسیت بیشتری به این تحلیل‌ها نشان دادند.
نتیجه‌گیری: ترکیب روش‌های یادگیری ماشین با استراتژی‌های تحلیل تکنیکال می‌تواند به سرمایه‌گذاران ابزار قدرتمندی برای تصمیم‌گیری در بورس تهران ارائه دهد. این پژوهش نشان داد که استفاده از این روش‌ها نه تنها می‌تواند دقت سیگنال‌های خرید و فروش را بهبود بخشد، بلکه امکان کاهش ریسک سرمایه‌گذاری و افزایش بازده را نیز فراهم می‌آورد. بهره‌گیری از این مدل‌ها می‌تواند به‌عنوان بخشی از استراتژی سرمایه‌گذاری برای تحلیل‌گران و سرمایه‌گذاران پیشنهاد شود.
اصالت: این پژوهش اولین مطالعه کمی است که به دنبال مفهوم‌سازی سیگنال‌های خرید و فروش به روش ترکیبی یادگیری ماشین و تحلیل تکنیکال به عنوان یکی از ابزارهای اساسی برای راهنمایی سرمایه‌گذاران می‌باشد.
|
رقیه محسنی نیا، دکتر علی رضازاده، دکتر یوسف محمدزاده، دکتر شهاب جهانگیری،
دوره 15، شماره 55 - ( 3-1403 )
چکیده
هدف اصلی این پژوهش، بررسی وابستگی ساختاری بین بازدهی بازارهای رمزارز و شاخص سهام است. در این مطالعه از شاخص کل بورس تهران به عنوان نماینده‌ی بازار سهام درحال‌توسعه و شاخص (S&P500) به نمایندگی از بازار سهام توسعه‌یافته استفاده شده است. ساختارهای وابستگی کوتاه‌مدت و بلندمدت بین بازارها با استفاده از روش تجزیه مود متغیر (VMD)بررسی شده است. دوره مورد بررسی شامل دادههای روزانه از 8 آگوست 2015 تا 21 فوریه 2023 مورد استفاده قرار گرفت. نتایج مطالعه حاکی از آن است که بین بازدهی رمزارز بیت‌کوین و شاخص سهام ایران هیچ‌گونه وابستگی ساختاری چه در کوتاه‌مدت و چه در بلندمدت وجود ندارد. به‌عبارت‌دیگر تغییرات بازدهی رمزارز بیت‌کوین در طول دامنه‌های پایینی و بالا بر بازده شاخص مذکور ناچیزاست. این بیانگر این است که بازارهای رمزارزها از طبقه اصلی دارایی‌های مالی و اقتصادی جدا شده‌اند و از این رو مزایای متنوعی را برای سرمایه‌گذاران ارائه می‌دهند. همچنین در بلندمدت برای بازدهی رمزارز بیت‌کوین و شاخص سهام (S&P500)، تابع کاپولای کلایتون در رتبه اول به عنوان مدل مناسب توضیح دهنده همبستگی انتخاب شد. بین بازدهی رمزارز بیت‌کوین و شاخص سهام (S&P500) در کوتاه‌مدت هیچ‌گونه همبستگی وجود ندارد. یافته‌های این مطالعه نشان‌دهنده نقش مهم رمزارزها در سبد سرمایه‌گذاران است. زیرا آنها به عنوان یک گزینه متنوع برای سرمایه‌گذاران عمل می‌کنند و تأیید می‌کنند که رمزارزها یک طبقه دارایی سرمایه‌گذاری جدید هستند. همچنین از اندازه‌گیری‌های (CoVaR) و (ΔCoVaR) برای تعیین اثر نامتقارن سرریز ریسک در جهت صعودی و نزولی بین بازارهای سهام و رمزارزها استفاده شد. نتایج نشان می‌دهد که رمزارزهای بیت‌کوین، اتریوم و ریپل نمی‌توانند در زمان بحران (شرابط بازار نزولی) به عنوان یک محافظ قوی در نظر گرفته شوند. ماهیت سوداگرانه رمزارزها و ریسک‌های تعبیه‌شده در رمزارزها، جریان ریسک به بازارهای سهام را در شرایط بازار نزولی افزایش می‌دهد و بنابراین هزینه‌های پوشش ریسک را گران‌تر می‌کند.
