چکیده:
سقوط بازار پدیده ای است که سبب از دست رفتن ثروت و دارایـی سـرمایه گـذاران در بازة زمانی نسبتا کوتاهی می شود، از این رو تلاش برای پیش بینـی آن از اهمیـت زیـادی بـرای سرمایه گذاران ، سیاست گذاران ، نهادهای مالی و دولت برخوردار است . بررسی اجمالی تئوری ها و مدل های ارائه شدة پیش بینی سقوط در بازار سـهام نشـان مـی دهـد میـان پژوهشـگران دربـارة الگوهای مشاهده شدة متغیرها، مانند حجم معاملـه ، بـازده هـا، نوسـان پـذیری ، عوامـل بنیـادی ، شاخص های رفتاری و غیره در بازارهای سهام پیش از وقوع سقوط ، اتفاق نظـری وجـود نـدارد. یکی از روش های بسیار مناسب پیشنهادشده برای یافتن الگوهایی که در داده های شـبکه هـای عصبی وجود دارد، نگاشت خودسازمان ده است کـه روشـی ناپارامتریـک و غیرخطـی محسـوب می شود. در این پژوهش با استفاده از شبکه هـای عصـبی نگاشـت خوسـازمان ده ، روشـی بـرای پیش بینی سـقوط در بـازار سـهام ایـران ارائـه شـده اسـت . نتـایج اجـرای مـدل و پـیش بینـی برون نمونه ای حاکی از این است که مدل عملکرد به نسبت قابل قبولی را در پیش بینی دوره های پیش از سقوط در بازار سهام به دست آورده است
Market crash is a phenomenon which occurs in stock markets occasionally and leads to loss of the investors’ wealth and assets in a relatively short period of time. Therefore، attempts for prediction of this phenomenon are of much importance for the investors، financial institutions and government. To this date، numerous and varied studies have been carried out for prediction and modeling of stock markets and their crash. Each of these studies has tried to fulfill this important task more precisely from a different point of view. A brief review of the theories and models presented for prediction of stock market crash indicates that there is not any agreement among the researchers in relation to the observed patterns of variables such as trading volume، returns، volatility، fundamental factors، behavioral indicators، etc. in the stock markets in the pre-crash period. One of the very suitable methods proposed for finding the existing patterns in the data is the self-organizing map neural networks method which is considered as a non-parametric and non-linear method. In this study، a method is proposed for prediction of the crash in the Iranian stock market using the self-organizing map neural networks. The results of implementation of the model and out-of-sample prediction indicate that the model has a relatively acceptable performance in prediction of the pre-crash periods in the stock market.
خلاصه ماشینی:
پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خودسازمان ده آرش محمدعلی زاده ١، رضا راعی ٢، شاپور محمدی ٣ سقوط بازار پدیده ای است که سبب از دست رفتن ثروت و دارایـی سـرمایه گـذاران در بازة زمانی نسبتا کوتاهی می شود، از این رو تلاش برای پیش بینـی آن از اهمیـت زیـادی بـرای سرمایه گذاران ، سیاست گذاران ، نهادهای مالی و دولت برخوردار است .
نتـایج اجـرای مـدل و پـیش بینـی برون نمونه ای حاکی از این است که مدل عملکرد به نسبت قابل قبولی را در پیش بینی دوره های پیش از سقوط در بازار سهام به دست آورده است چکیده : .
تا به امروز پژوهش های متعدد و گوناگونی برای پیش بینی و مـدل سـازی بازارهـای سـهام و سقوط آنها انجام گرفته است و هر یک از دیدگاه متفاوتی تلاش کرده اند با دقت بیشتری به ایـن مسئله بپردازند.
در این پژوهش تلاش شده است با استفاده از شبکه های عصبی نگاشت خوسازمان ده ، روشی برای پیش بینی سقوط در بازار سهام ایران ابداع شود.
از این رو مشابه انسـان ، رونـد یـادگیری در شبکة عصبی نیز از مدل های انسانی الهام گرفته است ؛ بـدین صـورت کـه مثـال هـای بسـیاری چندین بار به شبکه داده می شود و شبکه با تغییر وزن ها، خروجی مد نظر را دنبال می کند.
در دوره هـایی که Crash (نشان دهندة برآورد y است ) بزرگ تر از Threshold باشد، بر اسـاس بـرآورد مـدل ، بازار در حالت پیش از سقوط قرار دارد.
Journal of Economic Dynamics & Control, 33(10): 1824-1836.