مقاله انگلیسی با ترجمه شاخص های تکنیکال جدید و پیش بینی پذیری بازده سهام

این مقاله علمی پژوهشی (isi) به زبان انگلیسی همراه با ترجمه تخصصی از نشریه الزویر مربوط به سال ۲۰۲۱ دارای ۱۶ صفحه ی انگلیسی با فرمت PDF  و ۳۴ صفحه ترجمه فارسی به صورت فایل  WORD قابل ویرایش می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی ، بخشی از ترجمه فارسی مقاله و  لینک خرید آنلاین ترجمه ی کامل مقاله موجود می باشد.

کد محصول: H604

سال نشر: ۲۰۲۱

نام ناشر (پایگاه داده): الزویر

نام مجله:   International Review of Economics and Finance

نوع مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۶ صفحه PDF

تعداد صفحه ترجمه فارسی:  ۳۴ صفحه WORD

قیمت فایل ترجمه شده۵۵۰۰۰ تومان

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۱ :  شاخص های تکنیکال جدید و پیش بینی پذیری بازده سهام

عنوان کامل انگلیسی:

New technical indicators and stock returns predictability

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

دانلود رایگان مقاله بیس انگلیسی

وضعیت ترجمه: این مقاله به صورت کامل و تخصصی ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

خرید و دانلود ترجمه ی مقاله انگلیسی

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

مقالات انگلیسی مرتبط با این موضوع جدید

چکیده فارسی:

ما دریافتیم که ترکیب نویز زدایی بازده سهام از طریق تبدیل موجک با شاخص های تکنیکال پیشنهادی جدید می تواند به طور معناداری دقت پیش بینی بازده سهام را بهبود بخشد ، که در آن شاخص های تکنیکال جدید می توانند روند سری بازده سهام را منعکس کنند. نتایج تجربی نشان می دهد که پیش بینی بازده سهام حاصل از شاخص های تکنیکال جدید از منظر عملکرد پیش بینی در نمونه و خارج از نمونه از نظر آماری و اقتصادی قابل توجه است. و هنگامی که از اطلاعات چند متغیره برای پیش بینی بازده سهام استفاده می شود ، پیش بینی پذیری آن نیز قابل توجه می شود. علاوه بر این ، عملکرد پیش بینی شاخص های جدید با استفاده از برخی تجزیه و تحلیل های گسترده و استواری ، همچنان قدرتمند است.

واژه های کلیدی: شاخص های تکنیکال جدید ، نویز زدایی ، پیش بینی در نمونه ، پیش بینی خارج از نمونه ، اهمیت اقتصادی

۱.مقدمه

پیش بینی بازده سهام موضوع بحث برانگیزی است و برای قیمت گذاری دارایی ، تخصیص دارایی و مدیریت ریسک حائز اهمیت است. یک مطالعه مهم توسط ولچ و گویال (۲۰۰۸) نشان می دهد که تعداد کمی متغیر بنیادی دارای قدرت پیش بینی درون نمونه ی بهتری هستند ، اما توانایی پیش بینی خارج از نمونه در مقایسه با میانگین تاریخی بدتر است. تاکنون ، بخش بزرگی از مبانی نظری پیش بینی بازده سهام ، متغیرهای مختلف اقتصاد کلان را به کار گرفته اند. با این حال ، بیشتر شاخص های اقتصاد کلان عملکرد خوبی در پیش بینی خارج از نمونه ندارند که دلیل اصلی ضعف در قابلیت پیش بینی، بی ثباتی ساختاری است….

۶.نتیجه گیری

  هدف این مقاله ارائه برخی از شاخص های تکنیکال جدید برای بدست آوردن عملکرد پیش بینی خارج از نمونه برتر برای بازده سهام است که در آن شاخص ها با روند بازده سهام ساخته می شوند در حالی که بازده سهام اصلی با تبدیل موجک ،نویززدایی می شود.

نتایج درون نمونه نشان می دهد که شاخص های تکنیکال جدید برای پیش بینی بازده سهام قدرت قابل توجهی دارند. نتایج خارج از نمونه همچنین نشان می دهد که شاخص های تکنیکال جدید می توانند عملکرد پیش بینی برتر را بدست آورند. علاوه بر این ، شاخص های فناوری جدید نسبت به شاخص های نسبی به عنوان پیش بینی کننده از لحاظ اقتصادی معناداری بیشتری دارند. سرمایه گذارانی که دارای رویکرد میانگین-واریانس هستند مایل به استفاده از شاخص های تکنیکال جدید برای پیش بینی بازده سهام و تخصیص سبد سهام هستند…

Abstract

We find that combining de-noising stock returns by wavelet transform with new proposed technical indicators can significantly improve the accuracy of stock returns forecasts, in which the new technical indicators can directly reflect the trend of stock returns series. Empirical results indicate the stock returns forecasts generated by new technical indicators are statistically and economically significant both in-sample and out-of-sample prediction performance. And when multivariate information is used to predict stock returns, its predictability is also significant. In addition, it is robust for the prediction performance of new indicators using some extension and robustness analysis.

Keywords: New technical indicators, De-noise, In-sample forecast,t Out-of-sample forecast, Economic significance

۱.Introduction

 Stock returns forecasting is a wonderful topic and is significant for asset pricing, asset allocation and risk management. An influential work by Goyal and Welch (2008) demonstrates that a few basic variables have a better in-sample predictability, but a worse out-of-sample prediction ability compared with the historical average. So far, a large body of literatures of forecasting stock returns employ different macroeconomic variables.1 However, most of the macroeconomic indicators fail to obtain good out-of-sample prediction performance, and the main reason for weak prediction ability is structural instability.

In fact, it is well known that stock returns forecasting is really difficult. Among the existing literatures, the out-of-sample R2ðR2 OOSÞ of predictor exceeding 3% is rare over benchmark of historical average. However, the prediction ability of the historical averages benchmark is weak. Hence, the distance between the prediction of stock returns and financial practice is still long. The existing researches which present insufficient consistent out-of-sample evidence indicate that new predictors need to be constructed to better establish the empirical reliability in forecasting stock returns. Therefore, the main objective of this paper is to construct some new effective predictors to obtain better prediction performance of stock returns.

۶.Conclusion

 The goal of this paper is to propose some new technical indicators to obtain superior out-of-sample prediction performance for stock returns where those indicators are constructed by the trend of stock returns where the original stock returns are de-noised by wavelet transform.

Our in-sample results show that there is a significant predictive power from new technical indexes to stock returns. The out-ofsample results also indicate new technical indicators can obtain superior prediction performance. Moreover, the new technology indicators as predictors are more significant than the relative counterparts economically. Mean-variance investors are willing to use new technical indicators to predict stock returns and allocate portfolios.

مقالات مرتبط با این موضوع

مقاله بیس رشته اقتصاد ۲۰۲۱

مقالات بیس حسابداری ۲۰۲۱

مقاله بیس مدیریت مالی ۲۰۲۱

مقاله انگلیسی درباره  سهام با ترجمه

مقالات انگلیسی درباره بازده سهام با ترجمه

مقالات انگلیسی درباره پیش بینی متغیرهای مالی با ترجمه