مقایسه عملکرد مدل پنج عاملی فاما و فرنچ و انواع رویکرد های شبکه عصبی و عصبی فازی در پیش بینی قیمت سهام

مهندسی مالی و مدیریت اوراق بهادار

مقاله 13، دوره 10، شماره 39، تیر 1398، صفحه 278-294   

نوع مقاله: مقاله پژوهشی

نویسندگان

رضا تهرانی¹؛ میلاد حیرانی^{* 2}؛ سمیرا منصوری³

¹دانشیار، گروه مدیریت دانشگاه تهران، تهران، ایران

²کارشناس ارشد مدیریت مالی، دانشگاه ارومیه، ارومیه، ایران

³کارشناس ارشد مدیریت مالی، دانشگاه تهران، تهران، ایران

چکیده

یکی از مهم‌ترین موضوعات مطرح بازارهای مالی پیش‌بینی قیمت و بازده سهام است. در این پژوهش سعی می‌شود بهترین مدل و رویکرد پیش‌بینی قیمت سهام با توجه به شاخص­های میانگین مربعات خطا (MSE)، مجذور میانگین مربعات خطاها (RMSE)، ضریب تعیین ( 14R2"> ) انحراف معیار (S.D)، میانگین قدر مطلق خطاها (MAE) و معیار میانگین قدر مطلق خطاها (MAPE) برای مدل پنج عاملی فاما و فرنچ انتخاب شود. بدین منظور پس از تشکیل پرتفوی با توجه به مدل پنج عاملی فاما و فرنچ در بازه زمانی 1388 تا 1395 قیمت سهام توسط مدل اقتصادسنجی، رویکردهای شبکه عصبی، شبکه عصبی بهینه سازی شده، شبکه عصبی فازی بهینه سازی شده شبکه عصبی پایه شعاعی، شبکه عصبی GMDH، شبکه عصبی SVR و شبکه­های عصبی فازی پیش‌بینی و دقت هر کدام از رویکردها برآورد شده است. نتایج پیش‌بینی بازدهی پرتفوی‌های تشکیل شده، نشان می‌دهد که دقت پیش‌بینی شبکه عصبی تابع پایه شعاعی (RBF) نسبت به دیگر مدل­های ARMA و شبکه‌های عصبی بسیار بالا است.

کلیدواژه‌ها

پنج عاملی فاما و فرنچ؛ قیمت سهام؛ شبکه عصبی؛ GMDH؛ RBF؛ SVR

مراجع