fa کاربرد سامانه‌های پویای پارامتری و ناپارامتری در پیش‌بینی بازدهی سهام: مطالعه موردی بازار بورس تهران تخصصي Special كاربردي Applicable <p dir="RTL"><strong>با توجه به نقش بازارهای سرمایه در فرایند تجمیع و توزیع منابع مالی، این بازارها و به‌ویژه بازار بورس همواره مورد توجه سرمایه‌گذاران داخلی و خارجی و دولت</strong><strong><span dir="LTR">&shy;</span></strong><strong>ها بوده‌اند. از جمله مسائل بازارهای مالی، مسئله ریسک و مدیریت آن است که در بازار بورس این مقوله ارتباط تنگاتنگی با پیش‌بینی قیمت و بازده سهام دارد که اهمیت آن در سنجش کارایی اطلاعاتی بازار &nbsp;منعکس شده ‌است. بر این اساس، پژوهش حاضر به دو روش متفاوت؛ پویاپارامتری با استفاده از مدل نوسانی </strong><strong><span dir="LTR">ARMA-PGARCH</span></strong> <strong>و رویکرد پویاناپارامتری با بهره‌گیری از شبکه عصبی </strong><strong>خودبازگشتی </strong><strong><span dir="LTR">NARX</span></strong> <strong>به مدلسازی و پیش‌بینی بازده بورس تهران می‌پردازد. پیش‌بینی‌ها به دو صورت درون‌داده‌ای و برون‌داده‌ای و بر مبنای مشاهدات روزانه طی دوره </strong><strong>6/7/1376</strong><strong> تا</strong><strong> 02/03/1394</strong><strong> انجام شده است. بر اساس نتایج به‌دست آمده، دقت مدل‌ها در زمینه پیش&shy;بینی، مقایسه گردیده و همچنین کارایی اطلاعاتی بورس تهرانمورد بررسی قرارگرفته است. نتایج پژوهش حاضر نشان‌دهنده عملکرد و کارایی دقیق سامانه پویای </strong><strong>ناپارامتریک</strong><strong>ر مقایسه با رویکرد پارامتریک بوده است. همچنین، یافته‌ها حاکی از عدم کارایی اطلاعاتی بازار بورس تهراندر &nbsp;سطح ضعیف آن می‌باشد.</strong></p> <p dir="RTL"></p> <p>Paying attention to the role of capital markets in providing suitable floor for capital gathering and distribution of financial resources, such markets and stock markets in particular are in the center of attention of domestic and foreign investors as well as government sector. One of the major issues in such markets is risk management that in the stock market this problem is closely related to the price or return forecasting and its importance has reflected in evaluation of market informational efficiency. in this regard, the present study focuses on two different methods: (a)dynamic-parametric method of ARMA-PGARCH and (b): dynamic-nonparametric procedure of NARX artificial neural network and forecasting Tehran stock return. Predictions are carried out in the form of in-sample and out-sample using daily observations of TEPIX from Septemper-1997 to May-2015. Forecasting horizon of next five working days has adopted for the out-sample prediction and eight error criteria are picked out in order to assess accuracy of each approach. Outcomes of this research implying higher precision of the dynamic neural network performance in comparison with the parametric method of&nbsp;&nbsp; ARMA-PGARCH. In addition, the results are in favor of inexistence of weak-form of informational efficiency in Tehran stock market.</p> : مدلسازی غیرخطی, روش‌های پارامتریک و ناپارامتریک, پیش‌بینی بازده سهام, کارایی اطلاعاتی بازار بورس. Nonlinear Modeling, Parametric &, Nonparametric Approaches, Return Forecasting, Stock Market Informational Efficiency. 125 148 http://qjfep.ir/browse.php?a_code=A-10-384-1&slc_lang=fa&sid=1 Seyed Ehsan Hosseinidoust سیداحسان حسینی دوست ehsan_2117@yahoo.com 10031947532846001280 10031947532846001280 Yes Mohammad Hassan Fotros محمدحسن فطرس fotros@basu.ac.ir 10031947532846001281 10031947532846001281 No Sharareh Massahi شراره مساحی Shmassahi@yahoo.com 10031947532846001282 10031947532846001282 No