文章基本信息

标题：Prediction of stock market crash using self-organizing maps
其他标题：پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده
本地全文：下载
作者：Arash Mohamad Alizadeh ; Reza Raei ; Shapour Mohammadi 等
期刊名称：Financial Researches
印刷版ISSN：8153-1024
出版年度：2015
卷号：17
期号：1
页码：159-178
DOI：10.22059/jfr.2015.52861
出版社：University of Tehran
摘要：Market crash is a phenomenon which occurs in stock markets occasionally and leads to loss of the investors’ wealth and assets in a relatively short period of time. Therefore, attempts for prediction of this phenomenon are of much importance for the investors, financial institutions and government. To this date, numerous and varied studies have been carried out for predicting and modeling stock markets and their crash. Each of these studies has tried to fulfill this important task more precisely from a different point of view. A brief review of the theories and models presented for prediction of stock market crash indicates that there is no agreement among the researchers in relation to the observed patterns of variables such as trading volume, returns, volatility, fundamental factors, behavioral indicators, etc. in the stock markets in the pre-crash period. One of the very suitable methods proposed for finding the existing patterns in the data is the self-organizing map neural networks method which is considered as a non-parametric and non-linear method. In this study, a method is proposed for prediction of the crash in the Iranian stock market using the self-organizing map neural networks. The results of implementation of the model and out-of-sample prediction indicate that the model has a relatively acceptable performance in prediction of the pre-crash periods in the stock market.
其他摘要：سقوط بازار پدیدهای است که سبب از دست رفتن ثروت و دارایی سرمایه‎گذاران در بازۀ زمانی نسبتاً کوتاهی میشود، از این رو تلاش برای پیشبینی آن از اهمیت زیادی برای سرمایهگذاران، سیاست‎گذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوریها و مدل‎های ارائه‎شدۀ پیشبینی سقوط در بازار سهام نشان میدهد میان پژوهشگران دربارۀ الگوهای مشاهده‎شدۀ متغیرها، مانند حجم معامله، بازده‎ها، نوسان‎پذیری، عوامل بنیادی، شاخصهای رفتاری و غیره در بازارهای سهام پیش از وقوع سقوط، اتفاق نظری وجود ندارد. یکی از روش‎های بسیار مناسب پیشنهادشده برای یافتن الگوهایی که در دادههای شبکههای عصبی وجود دارد، نگاشت خودسازمان‎ده است که روشی ناپارامتریک و غیرخطی محسوب می‎شود. در این پژوهش با استفاده از شبکههای عصبی نگاشت خوسازمان‎ده، روشی برای پیش‎بینی سقوط در بازار سهام ایران ارائه شده است. نتایج اجرای مدل و پیش‎بینی برون‎نمونه‎ای حاکی از این است که مدل عملکرد به‎نسبت قابل قبولی را در پیش‎بینی دورههای پیش از سقوط در بازار سهام به‎دست آورده است.
关键词：neural networks ; Prediction ; Self-Organizing Maps ; stock market crash
其他关键词：پیش بینی;سقوط بازار سهام;شبکه های عصبی;نگاشت خودسازمان‎ده