در این مقاله در نظر داریم بازارهای سهام و مشتقات رابا ایده گرفتن از پژوهشهای روز دنیا بهگونهای مدلسازی کنیم که قابل تعمیم در ایران بوده و برخی از ناکامیهای بازار را تشریح بکنند. برای این منظور ابتدا با استفاده از خواص فرایند مارکوف و مفهوم رژیمهای اقتصادی، رفتار قیمت دارایی پایه (سهام) را با رژیم- سوئیچینگ دینامیکی ...
بیشتر
در این مقاله در نظر داریم بازارهای سهام و مشتقات رابا ایده گرفتن از پژوهشهای روز دنیا بهگونهای مدلسازی کنیم که قابل تعمیم در ایران بوده و برخی از ناکامیهای بازار را تشریح بکنند. برای این منظور ابتدا با استفاده از خواص فرایند مارکوف و مفهوم رژیمهای اقتصادی، رفتار قیمت دارایی پایه (سهام) را با رژیم- سوئیچینگ دینامیکی مدلسازی میکنیم. سپس با بستن یک اختیار آمریکایی روی این دارایی، یک مدل پویا و نوین در بازار مشتقات بهدست میآوریم. علاوه بر این با تاثیر ثمرات رفاهی عواید نفت در دارایی پایه، یک مدل پویا با بازده تغییرپذیری تصادفی برای دارایی پایهی نفت بهدست میآوریم که مدل قیمت اختیار وابسته به آن آتی نفت را قیمتگذاری میکند، همچنین با اعمال برخی تغییرات محیطی در مدل دارایی پایهی نفت، مشتقات زمینهای نفتخیز را مدلسازی میکنیم. از آنجا که هدف این مقاله معرفی مدلهای نوین در بازارهای مالی بوده و نظر به اینکه این مدلها تا کنون در ایران بهکار گرفته نشدهاند، لذا برخی از این مدلها را با استفاده از روشهای پیشرفتهی عددی و نرم افزار Matlab بر روی دادههای چند کشور توسعه یافته اجرا میکنیم. با توجه به اینکه قیمتگذاری اکثر کمیتهای مالی متاثر از بازارهای جهانی است، لذا برای اجتناب از تاثیر مستقیم این بازارها بر قیمتگذاری کمیتهای مهمی مانند نفت لازم است که عنایت خاصی توسط نهادهای مسئول در این زمینه شود.
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که ...
بیشتر
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردار هستند، استفاده می شود. شبکه های عصبی، یکی از این روش های بدیع و در حال تحول است که در موضوعات متنوعی از قبیل الگوسازی، شناخت الگو، خوشه بندی و پیش بینی به کار رفته و نتایج مفیدی داشته است. در این مقاله، از شبکه های عصبی در پیش بینی سری های زمانی داده های اقتصادی استفاده کرده ایم. در این رابطه عوامل مختلف ساختاری، روش های مختلف یادگیری شبکه های عصبی و انتخاب و کاربرد مناسب داده ها در فرایند پیش بینی، مورد ارزیابی و بررسی قرار گرفته است. در این پژوهش، از ابزارهای محاسباتی نرم افزار MATLAB و داده های اقتصادی کشور استفاده شده است.