شماره ركورد
25622
شماره راهنما
ECO2 859
عنوان
پيشبيني شاخص بورس اوراق بهادار تهران بر اساس متغيرهاي منتخب موثر بر بازار و جريان نقدينگي سرمايهگذاران حقيقي با استفاده از رويكرد يادگيري عميق
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
اقتصاد
دانشكده
علوم اداري و اقتصاد
تاريخ دفاع
1404/10/30
صفحه شمار
101 ص.
استاد راهنما
دكتر ليلا تركي
كليدواژه فارسي
يادگيري عميق , ، شاخص كل بورس اوراق , بهادار تهران , ، صندوق درآمد ثابت , ، شاخص هم وزن.
چكيده فارسي
چكيده
بازار سرمايه بهعنوان يك رگ حياتي اقتصاد، تحتتأثير پيچيدهاي از عوامل داخل بورس و خارج آن، قرار دارد. از يك سو، جريان ورود و خروج سرمايه، تصميمات سرمايهگذاران و تغييرات در ساختار مالكيت شركتها، و از سوي ديگر، محيط اقتصاد كلان بواسطه متغير هايي مانند نرخ ارز، نرخ تورم، نرخ بهره و سياستهاي پولي و مالي، همگي بر نوسانات شاخص بورس تأثير ميگذارند. شاخص بورس تهران بهعنوان نماينده كلي وضعيت بازار، تمام اين تأثيرات را در خود منعكس ميكند؛ بنابراين، تلاش به جهت پيشبيني نوسانات اين شاخص، براي سرمايهگذاران، تحليلگران بازار و سياستگذاران از اهميت بالايي برخوردار است. اين پژوهش باهدف توسعه يك مدل پيشبيني مناسب براي شاخص بورس تهران، در بازه زماني ششم فرودين 1390 تا بيست و پنجم مرداد ماه 1404 ميپردازد. در اين تحقيق با استفاده از مدل تركيبي ، از نوع شبكههاي عصبي و يادگيري ماشين (MLP-Ridge)، تلاش ميشود تا روابط پيچيده بين متغيرهاي مختلف مدلسازي شود. با اين رويكرد، ميتوان دقت پيشبيني را بهبود بخشيد، علاوه بر اين، با انتخاب متغير هايي كه با شاخص كل همبستگي بلند مدتي داشته و همينطور نرخ ارز به عنوان لنگر اسمي اقتصاد ايران و ارزش بازار صندوق هاي با درآمد ثابت به عنوان بازار موازي كم ريسك و نمانگر اثر بازار پول، تركيبي نوآورانه ايجاد كرده است كه نتايج حاصل ازين پژوهش كه با معيار هاي ارزيابي متعدد و سختگيرانه به دست آمده نشان مي دهد تركيب بهينه از متغير ها مي تواند نتايج پايدار از پيش بيني و سود آوري ايجاد كند.
كليدواژهها: يادگيري عميق، شاخص كل بورس اوراق بهادار تهران، صندوق درآمد ثابت، شاخص هم وزن.
كليدواژه لاتين
Deep Learning, , Tehran Stock Exchange, , Fixed Income Fund, , Equal-Weighted Index
عنوان لاتين
Predicting the Tehran Stock Exchange Index Based on selected Market-Influencing Variables and the Cash Flow of Individual Investors Using a Deep Learning Approach
گروه آموزشي
اقتصاد
چكيده لاتين
Abstract
The capital market, acting as a vital artery of the economy, is subject to a complex interplay of internal and external factors. On the one hand, capital flows, investor decisions, and changes in corporate ownership structures; and on the other, the macroeconomic environment—mediated by variables such as exchange rates, inflation, interest rates, and monetary and fiscal policies—all impact stock market index fluctuations. The Tehran Stock Exchange (TSE) index, serving as a holistic representative of market conditions, reflects all these impacts; consequently, forecasting its fluctuations is of paramount importance to investors, market analysts, and policymakers. This study aims to develop a suitable forecasting model for the TSE index over the period from 2011 to 2025. Utilizing a hybrid model based on neural networks and machine learning (MLP-Ridge), the research seeks to model the complex relationships among various variables. This approach improves forecasting accuracy and creates an innovative combination by selecting variables that maintain a long-term correlation with the overall index, as well as the exchange rate as the nominal anchor of the Iranian economy and the market value of fixed-income funds, representing a low-risk parallel market and a proxy for money market effects.
Keywords: Deep Learning, Tehran Stock Exchange, Fixed Income Fund, Equal-Weighted Index.
تعداد فصل ها
5 فصل
فهرست مطالب pdf
155921
نويسنده