- ابونوری اسمعیل، عبداللهی محمدرضا (1390)، مدلسازی نوسانات بخشهای مختلف بازار سهام ایران با استفاده از مدل گارچ چندمتغیره، نشریه تحقیقات مالی، دوره 14، شماره 1، بهار و تابستان 1391، صص 1-16.
- پیکارجو، کامبیز و بدریه حسینپور (1389)، "اندازهگیری ارزش در معرض ریسک در شرکتهای بیمه با استفاده از مدل GARCH"، فصلنامهی صنعت بیمه، سال 25، شماره 4، صص 33-58.
- حنیفی، فرهاد (1380)،" بررسی میزان ریسک پذیری شرکتهای پذیرفته شده در بورس اوراق بهادار تهران از طریق سنجه ارزش در معرض خطر"، پایان نامه دکترای رشته مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
- خلیلی عراقی، مریم و امیر یکه زارع (1389)، "برآورد ریسک بازار صنایع بورس و اروراق بهادار تهران بر مبنای ارزش در معرض خطر (VaR)"، مجلهی مطالعات مالی، شماره 7، صص 47-72.
- خیابانی، ناصر و مریم ساروقی (1390)، ارزش گذاری برآورد VaR بر اساس مدلهای خانواده ARCH (مطالعهی موردی برای بازار اوراق بهادار تهران)، فصلنامهی پژوهشهای اقتصادی ایران، سال 16، شماره 47، صص 53-73.
- ساده، احسان؛ احتشام راثی، رضا و شدیایی نرمیقی، علی (1396)، مدل فازی عصبی با ترکیب الگوریتم ژنتیک جهت پیش بینی قیمت سهام در صنعت خودرو در بورس اوراق بهادار تهران، مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 33، صص 110- 115.
- راعی، رضا و سعیدی علی (1388)، مبانی مهندسی مالی و مدیریت ریسک، انتشارات سمت، تهران.
- راعی، رضا و احمد تلنگی (1383)، مدیریت سرمایهگذاری پیشرفته، انتشارات سمت، تهران.
- رستمیان، فروغ و فاطمه حاجی بابایی (1388)، اندازه گیری ریسک نقدینگی بانک با استفاده از مدل ارزش در معرض خطر (مطالعهی موردی؛ بانک سامان)، پژوهشنامهی حسابداری مالی و حسابرسی، شماره 3، صص 175-198
- شاپور، راعی رضا، فیض آباد، آرش (1387)، "محاسبه ارزش در معرض ریسک پارامتریک با استفاده از مدلهای ناهمسانی واریانس شرطی در بورس اوراق بهادار تهران"، تحقیقات مالی، دوره 10، شماره 25، بهار و تابستان 1387، صص 109-124
- شهریار بهنام، احمدی سیدمحمد مهدی، (1385)، " تعیین میزان بهینهی سرمایه گذاری در بازار بورس و اوراق بهادار تهران با رویکرد ارزش در معرض ریسک"، فصلنامه بررسیهای حسابداری و حسابرسی، دوره 14، شماره 3
- شهرآبادی، ندا (1389) مدیریت سرمایهگذاری در بورس اوراق بهادار تهران، چاپ اول، تهران، سازمان بورس اوراق بهادار، اطلاع رسانی و خدمات بورس
- رهنمای رودپشتی، فریدون و میرغفاری، سیدرضا (1392)، "ارزیابی عملکرد پرتفوی در بورس اوراق بهادار تهران؛ کاربرد ارزش در معرض خطر (Value at Risk)". مهندسی مالی و مدیریت اوراق بهادار، شماره 8، صص 51-78
- فلاح پور، سعید و یاراحمدی، مهدی (1391) ، "برآورد ارزش در معرض ریسک با استفاده از تئوری مقدار حدی در بورس اوراق بهادار تهران"، مهندسی مالی و مدیریت اوراق بهادار زمستان، دوره 4، شماره 13، صص 103-122.
- عبده تبریزی، حسین، رادپور، میثم (1388)،" اندازه گیری و مدیریت ریسک بازار"، انتشارات آگاه و انتشارات پیشرو، تهران.
- علیپور، شیرین؛ عزیز زاده، فاطمه و منطقی، خسرو (1397)، مدلسازی بازده مالی با استفاده از مدل "مارکوف ترکیبی متغیر بازمان نرمال-گارچ، دانش مالی تحلیل اوراق بهادار، دوره 11، شماره 37، بهار 1397، صفحه102-91.
- محمدی، شاپور؛ راعی، رضا و آرش فیض آباد (1387)،" محاسبه ارزش در معرض خطر پارامتریک با استفاده از مدلهای ناهمسانی واریانس شرطی در بورس اوراق بهادار تهران"، مجلهی تحقیقات مالی، دوره 10، شماره 25
- نادمی، یونس؛ ابونوری، اسمعیل و علمی، زهرا (1394)، ارائه یک الگوی هشدار پیش از وقوع نوسانات شدید در بازار سهام تهران: رویکرد مارکوف سوئیچینگ گارچ، دانش مالی تحلیل اوراق بهادار، دوره 8، شماره 28، زمستان 1394، صص:40-27.
- نظیفی نایینی، مینو؛فتاحی، شهرام؛ صمدی، سعید (1391)، مدلسازی و پیش بینی نوسانات بازار سهام با استفاده از مدل انتقالی گارچ مارکف، تحقیقات مدلسازی اقتصادی، دوره ۳، شماره ۹ – صص 117 تا 141.
- نمازی، محمد و شکرالله خواجوی (1383)، سودمندی متغیرهای حسابداری در پیش بینی ریسک سیستماتیک شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، بررسی های حسابداری و حسابرسی، شماره 38، صص 93-119.
- نیکواقبال، علی اکبر، گندلی علیخانی، نادیا، نادری، اسماعیل (1393). ارزیابی مدلهای شبکه عصبی مصنوعی ایستا و پویا در پیش بینی قیمت سهام. دانش مالی تحلیل اوراق بهادار، 7(شماره 2(پیاپی 22))،صص: 77-91.
- نوروش، ایرج و عباس وفادار(1378)، بررسی سودمندی اطلاعات حسابداری در ارزیابی ریسک بازار شرکتها در ایران، حسابدار، سال چهاردهم، شماره 135، صص 16-28.
- Engle, R. F., & Sheppard, K. (2001). Theoretical and empirical properties of dynamic conditional correlation multivariate GARCH (No. w8554). National Bureau of Economic Research.
- Michell, K. V., and Kristjanpolleri, W, R,. (2018)., A Stock Market Risk Forecasting model through integration of switching regime, ANFIS and GARCH techniques, Appied Soft Computing, S1568-4946(18)30114-5.
- Adhikari, R., &Agrawal, R. K. (2014). A combination of artificial neural network and random walk models for financial time series forecasting. Neural Computing and Applications, 24(6), 1441-1449.
- Wei, L. Y., Cheng, C. H., & Wu, H. H. (2014). A hybrid ANFIS based on n-period moving average model to forecast TAIEX stock. Applied Soft Computing, 19, 86-92.
- Ahmadifard, M., Sadenejad, F., Mohammadi, I., &Aramesh, K. (2013). Forecasting stock market return using ANFIS: the case of Tehran Stock Exchange. International Journal of Advanced Studies in Humanities and Social Science, 1(5), 452-459.
- Engle, R. F., Ghysels, E., &Sohn, B. (2013). Stock market volatility and macroeconomic fundamentals. Review of Economics and Statistics, 95(3), 776-797.
- Corradi, V., Distaso, W., &Mele, A. (2013).Macroeconomic determinants of stock volatility and volatility premiums. Journal of Monetary Economics, 60(2), 203-220.
- Sadorsky, P. (2014). Modeling volatility and correlations between emerging market stock prices and the prices of copper, oil and wheat. Energy Economics, 43, 72-81.
- Choi, K., &Hammoudeh, S. (2010). Volatility behavior of oil, industrial commodity and stock markets in a regime-switching environment. Energy Policy, 38(8), 43884399.
- Walid, C., Chaker, A., Masood, O., & Fry, J. (2011). Stock market volatility and exchange rates in emerging countries: A Markov-state switching approach. Emerging Markets Review, 12(3), 272-292.
- Application of Artificial Neural Network. International Journal of Computer Applications, 70(4).
- Mantri, J. K., Gahan, P., &Nayak, B. B. (2014). Artificial neural networks—an application to stock market volatility. Soft-Computing in Capital Market: Research and Methods of Computational Finance for Measuring Risk of Financial Instruments, 179.
- Kristjanpoller, W., &Minutolo, M. C. (2015). Gold price volatility: A forecasting approach using the Artificial Neural Network–GARCH model. Expert Systems with Applications, 42(20), 7245-7251.
- Hung, J. C. (2011). Applying a combined fuzzy systems and GARCH model to adaptively forecast stock market volatility. Applied Soft Computing, 11(5), 3938-3945.
- Dash, R., & Dash, P. K. (2016). An evolutionary hybrid Fuzzy Computationally Efficient EGARCH model for volatility prediction. Applied Soft Computing, 45, 40-60.
- Atsalakis, G. S., &Valavanis, K. P. (2009). Forecasting stock market short-term trends using a neuro-fuzzy based methodology. Expert Systems with Applications, 36(7), 10696-10707.
- Kristjanpoller, W., Fadic, A., &Minutolo, M. C. (2014). Volatility forecast using hybrid Neural Network models. Expert Systems with Applications, 41(5), 2437-2442
|
2؛ حسین دیده خانی
3؛ علی خوزین2
