در قسمت سوم برآورد تجربی باز تولید دینامیک رفتار تصادفی قیمت در چارچوب الگوی ارائه شده در فصل سوم نیازمند برآورد شاخصهایی همچون برآوردهای انتظارات بازدهی، واریانس بازدهی، ریسک گریزی، محاسبه میزان تلاطم ناشی از عدم اطمینان و همچنین تولید کننده اعداد شبه تصادفی میباشد. از طرفی تنها اطلاعات در دسترس برای سرمایه گذاران گذشته بازدهی است، در نتیجه یک انتخاب منطقی این است که سرمایه گذاران سعی نموده با بهره گرفتن از استقرا و قیاس شاخصهای مورد نیاز جهت تصمیم گیری را بدست آورند. این که چگونه یک مدل انتخاب و پارامترهای مورد نظر از چه تکنیکی برآورد گردد بستگی به شیوه مدل سازی محقق خواهد داشت. به عبارتی توانایی تجزیه و تحلیل مسئله تحقیق، استخراج خصایص اساسی موضوع تحقیق، انتخاب مفروضات و سپس تکمیل و توسعه الگوی برآورد، نقش اساسی در دستیابی به هدف تحقیق دارد.
در این مطالعه همچنین آزمون توانایی الگوی اقتصادی در باز تولید مسیر حرکت قیمت سهام در بازار سهام ایران مورد توجه قرار گرفت. این الگو توانست روند بلند مدت حرکت رفتار شاخص قیمت سهام را در طول زمان تا حدودی بازتولید نماید. امید است در آینده نه چندان دور با گسترش این گونه الگوها و رفع نواقص و ساخت نرم افزارهای کاربردی بتوان در تجزیه و تحلیل نوسانات رفتار شاخص قیمت با بهره گرفتن از فرم توزیعی، دستاوردهای چشمگیری را شاهد بود.
در الگوی اقتصادی ارائه شده اگرچه این الگو سعی دارد که به وعده خود عمل کند اما شاید به دلیل تعدادی مشکلات(از جمله به دلیل حجم پایین فراوانی معاملات بازار سهام ایران نسبت به سایر بازارهای جهانی امکان استفاده از داده های لحظه ای با ویژگیهای استاندارد آماری وجود نداشت.) نمیتوان به طور کلی شاهد تحقق کامل اهداف این الگو بود. امید است در آینده با افزایش بیشتر حجم معاملات و ایجاد بانک داده لحظه ای در بازار سهام میتوان بازه های کوتاهتری از زمان را انتخاب نمود. این امر میتواند به پیش بینی بروز تحولات بحرانی بازار سهام منجر شود. در مورد استفاده از شبیه ساز تصادفی نیز همانطور که مشاهده شد در این تحقیق از شبیه ساز شبه تصادفی استفاده گردید که دارای مزیت باز تولید اعداد شبیه سازی شده میباشد. به نظر میرسد اگر بتوان از داده پرداز بسیار سریع مانند مرسن تویستر[۲۰۹] استفاده نمود و با برنامه نویسی شاخصهایی را معرفی نمود که از بین الگوی شبیه سازی شده، الگویی را انتخاب نماید که نزدیکتر به سری زمانی مورد بررسی باشد، شاید بتوان در امر پیش بینی موفقتر عمل نمود. از دیگر مشکلات روبرو کنترل سیستم معاملات از طریق محدودیت بازه قیمتی در بازار میباشد. در نظر گرفتن بازه معین برای تغییرات قیمت توسط بازار میتواند تا حدودی باز تولید را دچار مشکل نماید. از جمله مشکلات الگوی اقتصادی باز تولید، میتوان به همزمانی بروز رسانی تمامی سرمایه گذاران بدون هیچگونه تعدیل قابل ملاحظه اشاره کرد. این فرض به طور عموم در یک سیستم واقعی و پیوسته زمانی به طور عملی مشاهده نمیگردد. از دیگر مشکلات ایدئولوژیک الگو میتوان به فرض ثابت بودن قیمت یک سهم توسط سرمایه گذار اشاره کرد. در صورتی که در عمل، سرمایه گذار یک بازه قیمتی را برای کارگزار جهت انجام معامله پیشنهاد میکند. بنابراین به طور خلاصه و مشخص پیشنهادات رساله حاضر شامل موارد زیر خواهد بود.
برآورد تجربی سایر فرم های تابع توزیعی در تحلیل رفتار شاخص قیمت بازار سهام، که به صورت کاربردی در سایر علوم مانند فیزیک استفاده می گردد.
بازتولید شاخص قیمت سهام با بهره گرفتن از تولید کننده اعداد تصادفی مرسن تویستر در تحقیقات آتی.
تولید نرم افزار های کاربردی برای محاسبه راحتر و سریعتر فرم توزیعی کستینگ و همچنین بازتولید رفتار قیمت سهام.
به نظر می رسد با گسترش هرچه بیشتر بازارهای سرمایه و حضور سرمایه گذاران و انجام معاملات بیشتر در هر لحظه از زمان(حرکت بسوی کاراتر شدن بازار در آتیه)، انجام مجدد برآوردها بتواند در نتیجه گیری و قضاوت مجدد در جهت تجاری سازی اینگونه فعالیت های علمی موثر واقع شود.
ماخذ آماری
کلیه اطلاعات آماری به کار گرفته شده در این پایان نامه از سایت بورس اوراق بهادار ایران(www.irbourse.com)گردآوری شده است.
پیوست
نتایج آزمون خودهمبستگی(Box-Ljung) بر روی شاخص کل بازدهی سهام(RPI)، شاخص بازدهی مالی (RFI)، شاخص صنعت (RII)و شاخص ۵۰ شرکت برتر (RP50)
ماخذ: محاسبات و یافته های محقق
ماخذ: محاسبات و یافته های محقق
ماخذ: محاسبات و یافته های محقق
ماخذ: محاسبات و یافته های محقق
منابع
منابع فارسی
احمدی، سید محمد مهدی و بهنام شهریار(۱۳۸۶)، “تعیین میزان بهینه سرمایه گذاری در بازار بورس اوراق بهادار با رویکرد ارزش در معرض ریسک”، مجله بررسی های حسابداری و حسابرسی، ۴۹، ۲۴-۳.
اله یاری، اکبر( ۱۳۸۷)، “بررسی شکل ضعیف کارایی بازار سرمایه در بورس اوراق بهادار تهران”، فصلنامه بورس اوراق بهادار، ۴، ۱۰۸-۷۵.
بت شکن، محمود(۱۳۷۹)، “پیش بینی قیمت سهام با بهره گرفتن از شبکه های عصبی- فازی و مقایسه آن با الگوهای خطی پیش بینی”، پایان نامه کارشناسی ارشد، دانشگاه تهران، دانشکده مدیریت.
پاکیزه، کامران(۱۳۹۰) “تلاطم و بازده (شواهدی از بورس اوراق بهادار تهران و بورس های بین الملل)”، فصلنامه تحقیقات مدلسازی اقتصادی، ۲، ۲۰-۱.
چاوشی، کاظم(۱۳۸۰)، “بررسی رفتار قیمت سهام در بورس اوراق بهادار تهران”، پایان نامه کارشناسی ارشد، دانشگاه امام صادق.
خالوزاده، حمید و صدیق علی خاکی(۱۳۸۲)، “ارزیابی روش های پیش بینی پذیری قیمت سهام و تعیین میزان قابلیت پیش بینی در بازار بورس تهران”، مجله علوم انسانی مدرس، ۳۰، ۸۸-۶۱.
خلیلی، مجتبی(۱۳۸۴)، “مدلسازی و پیشبینی بازار بورس به کمک نظریه بازی”، پایان نامه کارشناسی ارشد، دانشگاه تبریز، دانشکده فنی مهندسی برق و کامپیوتر.
صمدی، سعید، زهرا نصرالهی و امین زاهد مهر (۱۳۸۶)، “آزمون کارایی و وجود حباب قیمت در بورس اوراق بهادار تهران با بهره گرفتن از الگویCAPM”، فصلنامه بررسی های اقتصادی، ۴(۴)، ۱۱۳-۹۱.
عباس پور، محمدرضا(۱۳۸۱)، “پیش بینی قیمت سهام شرکت ایران خودرو با شبکه عصبی”، پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس ، دانشکده فنی و مهندسی.
عزیرخانی، مسعود(۱۳۷۹)، “بررسی روش های ترکیبی پیشبینی و ارائه مدل بهینه برای پیشبینی قیمت سهام در بورس اوراق بهادار تهران”، پایان نامه کارشناسی ارشد، دانشگاه تهران، دانشکده علوم انسانی.
عسگری، کامیار (۱۳۸۳)، “پیش بینی بازده سهام با بهره گرفتن از شبکه های عصبی در بازار بورس تهران”، پایان نامه کارشناسی ارشد، دانشگاه صنعتی امیر کبیر، دانشکده مهندسی صنایع.
قالیباف اصل، حسن و محبوبه ناطقی(۱۳۸۷)، “بررسی کارایی در سطح ضعیف در بورس اوراق بهادار تهران (بررسی زیر بخشهای بازار)”. ، ۸(۱)، ۶۷-۴۷.
کشاورزحداد، غلامرضا و آرش بابایی(۱۳۹۰)، “مدلسازی تلاطم بازده نقدی در بورس سهام تهران با بهره گرفتن از داده های پانل و مدل گارچ”، نشریه تحقیقات مالی،۱۳(۳۱) ، ۷۲-۴۱.
کیمیاگری، علی محمد و مهتاب تیژری(۱۳۸۵)، ” ارائه مدلی جهت آزمون و ارتقاء کارایی بازار سهام “، نشریه ، ۲۲، ۸۸-۶۷.
مشیری، سعید و امیر بهداد سلامی(۱۳۸۸)، “شبیه سازی بازار سهام با توجه به ویژگیهای ساختاری بازار سهام تهران”، مجله پژوهشنامه اقتصادی، ۳۲: ۲۰۳-۱۶۷.
نور بخش، عسگر، غلام رضا عسگری و روح اله نصیری(۱۳۸۹)، “کارایی در بازار های در حال توسعه: شواهد تجربی از بورس اوراق بهادار تهران”، بررسی های حسابداری و حسابرسی، ۶۲، ۱۱۶-۱۰۳.
منابع لاتین
Alharbi, A. (2009). “Nonlinearity and Market Efficiency in GCC Stock Markets”. Ph.D Thesis University of Kansas. Retrieved from http://kuscholarworks.ku.edu/dspace/handle/1808/5652
Anselmet, F., Y. Gagne, E. J. Hopfinger, & R. A. Antonia. (1984). “High Order Velocity Structure Functions in Turbulent Shear Flow” Journal of Fluid Mechanics, 140, 63-89
Antonia, R. A., E. J. Hopfinger, Y. Gagne, & F. Anselmet. (1984). “Temperature Structure Functions in Turbulent Shear Flows”. Physical Review . A, 30, 2704-2707.
Bak, P., C. Tang, & K. Wiesenfeld. (1988). “Self-Organized Criticality”. Physical Review . A, 38, 364-374.
Bak, P., C. Tang, & K. Wiesenfeld. (1987). “Self-Organized Criticality: An Explanation of Noise”. Physical Review . Letters, 59, 381-384.
Bak, P., M. Paczuski, & M. Shubik. (1997). “Price Variations in a Stock Market with Many Agents”. Physica A, 246, 430-453.
Banner, A., R. Fernholz, & I. Karatzas. (2005). “On Atlas Models of Equity Markets”. Annals of Applied Probability, 15, 2296-2330.
Baryam, y. (1997). Dynamics of Complex Systems: Contents (1 ed.). Cambridge: New England Complex Systems Institute.
Benzi, R., G. Paladin, G. Parisi, & A. Vulpiani. (1984). “Understanding Turbulence”. Journal of Physics. A, 17, 3521-3531.
Bersini, H., & V. Detours. (1994). Asynchrony Induces Stability in Cellular Automata Based Models, Cambridge: MIT Press.
Blok, H. J., (2000). “On the Nature of the Stock Market: Simulations and Experiments”, Ph.D Thesis, University of Britishe Columbia.
Blok, H. J., & B. Bergersen. (1999). “Synchronous Versus Asynchronous Updating in the Game of Life”. Physical Review . E, 59, 3876-3879.
Brian, A. W., J. H. Holland, B. LeBaron, R. Palmer, & P. Tayler. (1997). “Asset Pricing under Endogenous Expectations in an Artificial Stock Market.”. Working Paper. Retrieved from http://www.santafe.edu/sfi/ publications/ Working-Papers/96-12-093.ps.
Brown, D. P., & Z. M. Zhang. (1997). “Market Orders and Market Efficiency”. Journal of Finance, 52, 277-308.
Brown, D. P., & Z. M. Zhang. (1997). “Market Orders and Market Efficiency”. Journal of Finance, 52, 277-308.
