1- دانشجوی دکتری، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. 2- استادیار گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران (نویسنده مسئول) ، fohddi@yahoo.com 3- گروه مدیریت مالی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران
چکیده: (2 مشاهده)
پیشبینی نوسانات قیمت سهام و نرخ ارز از موضوعات کلیدی برای فعالان اقتصادی، سرمایهگذاران و سیاستگذاران است. اگرچه روشهای آماری سری زمانی بهطور گسترده در این زمینه استفاده شدهاند، اما این روشها با محدودیتهایی مانند فرضیات سادهسازی و کاهش دقت در شرایط پیچیده روبهرو هستند. در این تحقیق، توانایی روشهای عددی نوین، بهویژه الگوریتم حرکت قطره، در پیشبینی نوسانات قیمت سهام بررسی و با روشهای آماری سری زمانی مقایسه شد. ابتدا مرور جامعی بر ادبیات مرتبط با روشهای عددی جدید صورت گرفت و سپس الگوریتم حرکت قطره بر دادههای شاخص قیمت سهام بورس اوراق بهادار تهران پیادهسازی گردید. نتایج تحلیلها نشان داد که این الگوریتم در پیشبینی نوسانات، بهویژه در شرایط نوسانات غیرخطی و پیچیده، عملکرد بهتری نسبت به روشهای سری زمانی دارد و دقت پیشبینی را به میزان قابلتوجهی افزایش میدهد. همچنین، این روش توانایی بیشتری در شناسایی روندهای کوتاهمدت بازار نشان داد. یافتهها حاکی از پتانسیل بالای روشهای عددی در پیشبینی نوسانات مالی است و پیشنهاد میشود این روشها در حوزههای دیگر اقتصادی و مالی نیز مورد بررسی قرار گیرند. این تحقیق با ارائه رویکردی نوین به حوزه پیشبینیهای مالی، بهکارگیری روشهای عددی را بهعنوان ابزار تکمیلی برای تحلیلهای مالی پیشنهاد میکند.
sarafnezhad R, ohadi F, mahdanchi zach M. Improving the accuracy of predicting financial market volatility by combining the water drop motion model and neural networks. mieaoi 2026; 15 (54) : 15 URL: http://mieaoi.ir/article-1-1843-fa.html
صراف نژاد ریحانه، اوحدی فریدن، معدنچی زاج مهدی. بهبود دقت پیشبینی نوسانات بازار مالی با ترکیب مدل حرکت قطره آب و شبکههای عصبی. نشریه اقتصاد و بانکداری اسلامي. 1405; 15 (54) :395-414