آمار
| تعداد نشریات | 23 |
| تعداد شماره‌ها | 368 |
| تعداد مقالات | 2,890 |
| تعداد مشاهده مقاله | 2,566,170 |
| تعداد دریافت فایل اصل مقاله | 1,821,829 |
مدل‌سازی پیش‌بینی نوسانات قیمت طلا در بازار جهانی | ||
| مطالعات اقتصاد بخش عمومی | ||
| دوره 3، شماره 4، دی 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/pse.2024.11110.1151 | ||
| نویسندگان | ||
| مهدیه توسلی1؛ مهناز ربیعی* 2؛ کیامرث فتحی هفشجانی3 | ||
| 1دانشجوی دکتری، گروه مدیریت فناوری اطلاعات، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2گروه اقتصاد، مرکز تحقیقات مدل‌سازی و بهینه سازی علوم مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 3گروه مدیریت صنعتی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران | ||
| چکیده | ||
| طلا توسط سرمایه‌گذاران به عنوان پوششی (ابزاری برای حفظ ارزش پول) در برابر سایر دارایی‌های مالی استفاده شده و از این جنبه از اهمیت بسیار بالایی برخوردار است. نوسانات شدید در قیمت طلا اهمیت شناسایی و فرآیند اثرگذاری عوامل موثر بر تغییرات قیمت آن را دو چندان نموده است. بازار طلا، یکی از بازارهای پرتلاطم است، که پیش‌بینی آینده آن میتواند در تصمیم‌گیری‌ها تأثیر مثبتی بر جای بگذارد. با آگاهی از قیمت طلا و پیش‌بینی صحیح آن می‌توان فرآیند تصمیم‌گیری خرید و فروش طلا در بازارهای جهانی را تسهیل و بهترین زمان اجرای معاملات و سرمایه‌گذاری‌ها را تعیین نمود؛ لذا پیش‌بینی صحیح قیمت طلا از جهات مختلف حایز اهمیت است. در این تحقیق اقدام به مدل‌سازی پیش‌بینی نوسانات قیمت طلا در بازار جهانی شده است. تحقیق حاضر کاربردی است و از داده‌های ماهانه در بازه زمانی 2010 تا 2022 میلادی استفاده شده است. 35 عامل موثر بر ایجاد نوسانات قیمت طلا مورد ارزیابی قرار گرفتند. از رویکرد مدل‌های گارچ و نوسان تصادفی جهت استخراج نوسان قیمت طلا و از مدل‌های TVPDMA، TVPDMS و BMA جهت شناسایی مهم‌ترین متغیرهای موثر بر ایجاد نوسان استفاده شده است. بر اساس نتایج، مدل‌های SV نسبت به مدل‌های گارچ در استخراج نوسانات از دقت بالاتری برخوردارند. از میان مدل‌های TVPDMA، TVPDMS و BMA، مدل BMA از دقت بالاتری برخوردار بود. بر اساس نتایج 12 متغیر موثر شاخص دلار، قیمت نفت، واردات و صادرات طلا، نرخ بهره جهانی، شاخص رمز ارزها، RSI (شاخص قدرت نرخ بهره)، MACD (دیفرانسیل ماهیانه درصدهای حرکت متوسط)، Retracement (بازگشت فیبوناچی)، ADX (شاخص جهت در بازار)، Oscillator (نوسان سهام)، Pivot Point DeMark Pivot Point Fibonacci بالاترین احتمال حضور و سطح معناداری را در جهت پیش بینی قیمت نوسان دارا بودند. نتایج بیانگر این واقعیت هستند که عوامل داخلی موثر بر نوسانات قیمت طلا بیش از عوامل بیرونی بر این نوسانات اثرگذار می‌باشند. | ||
| کلیدواژه‌ها | ||
| قیمت طلا؛ قیمت نفت؛ پیش‌بینی؛ گارچ؛ میانگین‌گیری بیزین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 204 |
||