طراحي الگوي غيرخطي سرايت‌پذيري شاخص كل بورس اوراق بهادار تهران از بازار دارايي‌هاي فيزيكي (كاربردي از مدل شبكه عصبي مصنوعي NARX)

Designing non-linear pattern contagious influence of the Tehran Price Index from the physical assets market (Application of NARX artificial neural network model)

پژوهش حاضر به بررسي سرايت پذيري شاخص كل بورس اوراق بهادار تهران از قيمت دارايي هاي موازي با بكارگيري شبكه عصبي مصنوعي پويا مي پردازد. براي انجام محاسبات، سري زماني قيمت سكه تمام بهار آزادي (نماينده بازار طلا)، قيمت هر متر مربع ساختمان مسكوني (نماينده بازار مسكن)، قيمت هر بشكه نفت خام ايران و نرخ دلار آمريكا در برابر ريال و نوسانات شرطي آن ها به عنوان متغيرهاي ورودي و شاخص كل بورس اوراق بهادار تهران و نوسان شرطي آن به عنوان متغير هدف از سال 1387 تا 1397با تواتر روزانه مورد بررسي قرار مي گيرد. شبكه عصبي غيرخطي پويا با چهار متغير ورودي و يك متغير هدف با لايه ها و نرون هاي مختلف با معيار ميانگين مجذور خطا و ضريب تعيين مورد ارزيابي قرار گرفته و مدل ها با دو لايه به ترتيب با 20 نرون و 10 نرون داراي حداقل ميانگين مجذور خطا مي باشند. نتايج پژوهش نشان مي دهد بورس اوراق بهادار تهران حداكثر با دو وقفه زماني از بازارهاي رقيب سرايت پذيري داشته كه نشان دهنده ي كارايي ضعيف بازار اوراق بهادار تهران مي باشد. نتايج نشان مي دهند شبكه هاي عصبي پيشنهادي قدرت بالايي در پيش بيني شاخص كل بورس اوراق بهادار تهران و نوسانات آن از سال 1387 تا 1397 به عنوان پيش بيني درون نمونه اي و سال 1398 به عنوان پيش بيني برون نمونه اي دارند.

The present study examines the contagiousness of the Tehran Stock Exchange from the price of parallel assets using the dynamic neural network. To perform calculations, the time series of coin price variables as a representative of the gold market, the average price per square meter of residential building as a representative of the housing market. The price of each barrel of Iranian crude oil and the US dollar exchange rate and their conditional fluctuations as explanatory variables and the total index of Tehran Stock Exchange and its conditional fluctuation as the target variable from 1387 to 1397 are examined daily .The dynamic neural network is evaluated with four input variables and one target variable with different neurons with the MSE criteria, and the models with 20 neurons and 10 neurons have the lowest MSE, .Research results show that the stock exchange has a maximum of two lag from competing markets has become contagious, indicating the poor performance of the Tehran Stock Exchange. The results show that the proposed neural network patterns have a high power in predicting the index of Tehran Stock Exchange and its fluctuations from 1387 to 1397 as in-sample forecast and in 1398 as extra-sample forecast.