پیش بینی بازده قرارداد آتی سکه طلا در بورس کالای ایران: با رویکرد مقایسه ای مدل آرچ و شبکه عصبی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
با توجه به اهمیت و نقش طلا به عنوان ابزاری برای سرمایه گذاری، بخصوص در کشوهای درحال توسعه، روش های مختلفی برای پیش بینی بازده آتی طلا استفاده شده است. ازاین رو، هدف اصلی از پژوهش حاضر پیش بینی بازده روزانه قرارداد آتی سکه طلا در بورس کالای ایران با استفاده از مدل آرچ و شبکه عصبی است. برای این منظور، از داده-های روزانه 20 قرارداد آتی سکه طلا برای دوره زمانی تیرماه 1392 تا شهریورماه 1395 که به روش «تعدیل به عقب» پیوسته شده اند، به کار گرفته شد. همچنین پس از بررسی نتایج تحقیقات پیشین از بازده قیمتی دلار، بازده قیمتی سکه طلا و بازده قیمتی طلای جهانی به عنوان متغیرهای موثر بر بازده قرارداد آتی سکه طلا استفاده شد. علاوه بر این، دقت پیش بینی این مدل ها با استفاده از معیارهای میانگین مربعات خطا، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب تعیین ارزیابی شد. نتایج پژوهش نشان داد در دوره موردبررسی، شبکه عصبی در مقایسه با مدل آرچ در پیش بینی برون نمونه بهتر عمل کرده است؛ اما بر مبنای نتایج آزمون تی زوجی، دقت پیش بینی دو مدل ازنظر آماری تفاوت معناداری نداشته است.
زبان:
فارسی
صفحات:
33 تا 53
لینک کوتاه:
magiran.com/p1896035 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!