مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)
سال:1397 | دوره:9 | شماره:35 |تعداد مقالات:17

مدیریت دارایی های بانک از موضوعات بسیار مهمی است که پیش تر تنها از سوی متخصصان مورد توجه قرار می گرفت. در فضای کنونی جامعه، شایعه ی ورشکستگی برخی از بانک ها و موسسات اعتباری، سپرده گذاران را آشفته و نگران سرمایه های خود در بانک ها کرده و موجب کم شدن اعتماد عمومی نسبت به عملکرد نظام بانکی گردیده است. عملکرد بانک ها از یک سو تابع وضعیت کلان اقتصادی جامعه خواهد بود و از سوی دیگر تحت قوانین نظارتی از سوی بانک مرکزی قرار دارند. به منظور بررسی عملکرد بانک ها و ارائه پیشنهاد برای بهتر ساختن مدیریت منابع آن ها روش های گوناگونی به کار گرفته می شود. یکی از مهمترین و رایج ترین این روش ها، مدل برنامه ریزی آرمانی است که برای بهینه سازی مسائل چندهدفه کاربرد دارد. فرضیه این تحقیق بررسی امکان بهینه سازی مالی (دارایی - بدهی) بانک کشاورزی با استفاده از برنامه ریزی آرمانی است. در این پژوهش با استفاده از نظر خبرگان بانکی آرمان های عملکرد بانک کشاورزی تعیین می گردند. متغیرهای پژوهش اقلام صورت های مالی هستند که به جهت رسیدن به بهترین عملکرد بانک بهینه می شوند و سپس اقلام اساسی صورت های مالی با اقلام به دست آمده توسط مدل مقایسه شده و نتایج حاصل از آن مورد تحلیل قرار گرفته و با استفاده از آن ارائه پیشنهاد به منظور عملکرد بهینه بانک صورت می پذیرد.

ریسک سیستماتیک همواره یکی از مهمترین شاخص هایی است که سرمایه گذاران و تحلیل گران مالی در تصمیم گیری های مالی خود اهمیت ویژه ای برای آن قائل هستند. هدف این پژوهش ارائه مدلی جدید و مبتنی بر متغیر های حسابداری برای برآورد شاخص ریسک سیستماتیک یا همان بتا است به روش اقتصاد سنجی نوین آرفیما - فیگارچ که حافظه بلندمدت ریسک سیستماتیک را ارزیابی می کند. دوره زمانی این پژوهش سال های 1385 تا 1394 است جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده و با استفاده از فرمول کوکران تعداد 174 شرکت به عنوان نمونه پژوهش انتخاب گردید. به همین منظور ابتدا بتای ریسک سیستماتیک از طریق آرفیما - فیگارچ محاسبه شد و سپس مدل های برآورد شده به روش اقتصادسنجی رگرسیون گام به گام (انتخاب پیشرو) و روش هوش مصنوعی ( از طریق ترکیب الگوریتم های ژنتیک و پرواز پرندگان در انتخاب عوامل موثر و مدلسازی آن از طریق ترکیب و پیاده سازی الگوریتم ارزیاب سرمایه گذاری داده های پویای تکاملی بر روی الگوریتم های مذکور) مقایسه گردید. به منظور تجزیه و تحلیل داده ها از سه نرم افزار اُکس متریکس، ایویوز و متلب استفاده گردید. دقت پیش بینی دو مدل مبتنی بر اقتصادسنجی و هوش مصنوعی از طریق محاسبه ضریب همبستگی بین تاهای برآورد شده و بتای آرفیا - فیگارچ انجام شده که مدل مبتنی بر هوش مصنوعی با ضریب همبستگی 94 درصد دقت پیش بینی به مراتب بالاتری را از خود نشان داد.

یکی از اهداف اصلی دولت ها در اجرای خصوصی سازی در کنار اهدافی همچون افزایش درآمد و ارتقا کارایی اقتصادی، توسعه بازارهای سهام است. در این مطالعه با استفاده از تکنیک بای و پرون بروز شکست ساختاری در متغیر نقدشوندگی به عنوان یکی از نشانه های عمق بازار سهام، رصد می شود. نتجه مدل از وجود حداقل دو شکست ساختاری اثربخش و معتبر حکایت می کند و نشان می دهد که در بسیاری از رخدادهای مرتبط، اجرای خصوصی سازی به افزایش نقدشوندگی بازار به عنوان یکی از اصول توسعه یافتگی بازارها منجر گردیده و بازار سهام را عمق بخشیده است. از این امر می توان به نوعی این نتیجه گیری را داشت که ظرفیت نهادی کشور بواسطه تغییرات نهادی و تشکیل کمیته ها و شوراهای لازم در فرآیند واگذاری ها ارتقا یافته و اثرات آن در بلندمدت بر تغییر عمق آن نیز نمایان شده است. همچنین با استفاده از روش MRS-GARCH مشخص شد که خصوصی سازی بر پیدایش تغییر رژیم در متغیر بازده شاخص بورس اوراق بهادار در طول برنامه های سوم، چهارم و پنجم توسعه در قالب مدلهای پویا اثرگذار بوده است.

سرمایه گذاران مختلف با سطوح سرمایه گذاری متفاوت در یک هدف با یکدیگر مشترک هستند و آن هم دست یابی به سبدی از دارایی ها است که در عین برآورده نمودن بازده مورد انتظار آنها، حداقل ریسک ممکن را به همراه داشته باشد. در این تحقیق هدف ما کمک به یک شرکت سرمایه گذاری جهت دست یابی به ترکیب بهینه ای از دارایی ها متشکل از سهام شرکت های خصوصی زیر مجموعه ی خود و انواع دیگری از دارایی ها که ریسک کمتری را به همراه دارند است. یکی از مشکلات اصلی در سرمایه گذاری در سهام شرکت های خصوصی، کمبود داده های مربوط به بازده و ریسک آنها در مقایسه با داده های موجود از سهام شرکت های بورسی است. در این تحقیق از یک رویکرد شبیه سازی که توانایی تولید مقادیر تصادفی در حالت کمبود داده را دارا است، جهت محاسبه ی بازده و ریسک سرمایه گذاری در شرکت های خصوصی پرداخته ایم. همچنین با توجه به این که مساله بهینه سازی سبد، یک مساله NP-Hard به شمار می آید، با تعریف یک مدل بهینه سازی دو هدفه برای مساله، به حل آن با استفاده از الگوریتم زنبور عسل مبتنی بر ماتریس کوواریانس پرداخته ایم. نتایج به دست آمده حاکی از آن است که یک سبد بهینه سبدی است که علاوه ترکیبی از دارایی های کم ریسک و پرریسک را درون خود داشته باشد.

مساله ی کلیدی برای هر سازمان، شناسایی ریسک های مختص آن سازمان است. در شرکت های دانش بنیان نیز از آنجا که مجموعه ای از مهارتها، توانایی ها و افراد متخصص در کنار هم هستند خلاقیت و نوآوری در این شرکت ها در اوج قرار می گیرد، لذا در توسعه فناوری و رونق اقتصادی جامعه نقش اساسی ایفا می کند، هدف اصلی این پژوهش تبیین رابطه بین انواع ریسک های حوزه منابع انسانی با نوآوری تکنولوژیک در شرکت های دانش بنیان دارویی می باشد. جامعه آماری این پژوهش شامل خبرگان و مدیران عامل شرکت های دانش بنیان دارویی هستند. ابزار گردآوری اطلاعات دو پرسشنامه ریسک های حوزه منابع انسانی است و نوآوری تکنولوژیک می باشد. تجزیه و تحلیل داده ها با استفاده از آزمون های مختلف رگرسیون گام به گام و مدلسازی معادلات ساختاری به روش pls مورد بررسی و صحت سنجی قرار گرفت. نتایج نشان می دهد که از میان مولفه های موثر بیشترین تاثیر را ریسک های شکاف های مهارتی و پس از آن ریسک های مالی، ریسک های عملیاتی منابع انسانی، ریسک های سرمایه انسانی و ریسک های رفتاری داشته اند. همچنین در مرحله تحقیق بیشترین ریسک مربوط به شکاف های مهارتی، در مرحله توسعه بیشترین ریسک مربوط به ریسک های عملیاتی منابع انسانی و در مرحله مهندسی بیشترین ریسک مربوط به ریسک های رفتاری می باشد.

هدف از پژوهش حاضر ارائه مدل بهینه سازی پرتفوی چند دوره ای در محیط اعتبار فازی با در نظر گرفتن اهداف حداکثرسازی ثروت و حداقل نمودن ریسک در پایان دوره می باشد. برای اندازه گیری ریسک سرمایه گذار از معیار ارزش در معرض خطر میانگین به عنوان یک معیار ریسک منسجم استفاده گردیده است. مدل مذکور به گونه ای طراحی گردیده که علاوه بر در نظر گرفتن هزینه معاملات، سرمایه گذار این امکان را داشته باشد تا بخشی از ثروت خود را به دارایی بدون ریسک نیز تخصیص دهد. در طراحی مدل علاوه بر محدودیت های اصلی، محدودیت هایی مانند حداقل میزان "آنتروپی نسبت" (به عنوان معیار درجه تنوع بخشی پرتفوی) و حداقل بازدهی مورد انتظار پرتفوی در هر دوره در نظر گرفته شده است. نتایج حاصل از اجرای مدل با استفاده از الگوریتم MOPSO نشان داد پرتفوهای پارتو بهینه ایجاد شده از اجرای مدل در مقایسه با پرتفوهای با وزن های تصادفی از لحاظ رسیدن به اهداف از پیش تعیین شده، عملکرد بهتر و مطلوب تری دارند. همچنین نتایج نشان داد با افزایش درجه تنوع بخشی پرتفوی ثروت نهایی کاهش پیدا می کند.

در این پژوهش یک سیستم معاملاتی سهام مبتنی بر ترکیب شش اندیکاتور تکنیکال طراحی شده است. برای ترکیب این اندیکاتورها از شبکه عصبی مصنوعی استفاده شده و بهینه سازی پارامترهای این اندیکاتورها با الگوریتم فراابتکاری الهام گرفته از پدیده های نوری (اپتیک) مبتنی بر ترکیب محدب انجام شده است. در مدل ارائه شده با هدف بیشینه سازی نسبت شارپ اصلاح شده، پارامترهای بهینه اندیکاتورهای تکنیکال با الگوریتم های اپتیک و ژنتیک به دست آمده است. در این پژوهش از داده های درون روزی قیمت سهام استفاده شده و هزینه های معاملاتی لحاظ شده است. نتایج این مدل با نتایج حاصل از به کار گیری پارامترهای استاندارد اندیکاتورها، نتایج حاصل از راهبرد خرید و نگه داری و نیز نتایج حاصل از به کارگیری الگوریتم ژنتیک برای بهینه سازی پارامتر اندیکاتورها، در هر دو حالت روزانه و درون روزی مقایسه شده و به دلیل کسب نسبت شارپ اصلاح شده بیشتر توسط مدل ارائه شده، در همه موارد برتری آن نشان داده شده است. همچنین در مقایسه نتایج در حالت های درون روزی و روزانه بر اساس معیار بازدهی پایان دوره بدون لحاظ هزینه های معاملاتی، در بیشتر موارد داده های درون روزی بازدهی بیشتری داشت لکن پس از لحاظ کردن هزینه های معاملاتی برتری در نتایج درون روزی مشاهده نمی شود. لذا کاهش هزینه معاملاتی برای افزایش انگیزه معامله گران در انجام معاملات درون روزی توصیه می شود.

بر اساس یافته های پژوهشگران اقتصادسنجی مالی قیمت نفت به عنوان یکی از مهمترین متغیرهای کلان اقتصادی بر بازار مالی و اقتصاد کشورهای صادر کننده نفت اثرگذار است. در این پژوهش از قیمت سبد نفتی اوپک با فراوانی روزانه استفاده شده است. دوره زمانی مورد بررسی از 3 آگوست 2013 تا 26 دسامبر 2016 است. این دوره شامل تحولات مختلفی از قبیل ناآرامی و جنگ در خاورمیانه، کاهش شدید و غیر منتظره قیمت نفت به دلایلی همچون کاهش در تقاضا، توافق برجام 27 و توافق اعضای اوپک جهت کاهش تولید نفت به منظور افزایش قیمت نفت بوده و از این جهت مورد توجه قرار گرفته است.بررسی های اولیه نشان می دهد نوسانات خوشه ای است یعنی ویژگی توزیع مستقل و یکسان و همسانی واریانس نقض می گردد. آزمون بریوش گادفری وجود اثرات آرچ و گارچ را تایید می کند. همچنین آزمون کلی نگر با برآورد چگالی کرنل بر اساس قاعده مونت کارلو با اعمال وزن پارزن بر وجود اثرات ARCH در متغیر دلالت دارد.نتایج بررسی نوسانات قیمت نفت با استفاده از مدل MS-GARCH تک و چند رژیمه دلالت بر آن دارد که مدل سه رژیمه برای تبیین رفتار متغیر در دوره مورد بررسی مناسب است.

یکی از تورش های رفتاری و سوگیری های مهم در بازارهای مالی که توجهات زیادی را به خود جلب نموده، رفتار توده ای سرمایه گذاران است. وجود توده در رفتار، اصطلاحی برای تبیین این موضوع است که چگونه افراد در یک گروه می توانند بدون برنامه قبلی با یکدیگر همسو عمل کنند. این تحقیق، به شناسایی و اندازه گیری این سوگیری مهم می پردازد و رفتار توده ای را در بورس اوراق بهادار تهران مورد بررسی قرار می دهد. در این تحقیق، برای بررسی رفتار توده ای از مدل واریانس موزون مقطعی که روش جدیدی مبتنی بر نظریه قیمت گذاری آربیتراژ (APT) است، استفاده می شود. این مدل، ترکیبی از مدل مبتنی بر پراکندگی بازده و مدل پراکندگی بتا می باشد. جامعه آماری حاضر، تمامی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی فروردین 1389 تا پایان اسفند 1394 را در بر می گیرد. در این تحقیق مدل پراکندگی بازده چانگ، چنگ و خورانا و همچنین مدل واریانس موزون مقطعی بر مبنای CAPM نیز تخمین زده شدند و با مدل اصلی مقایسه شدند که نتایج حاکی از برتری مدل اصلی نسبت به مدل های دیگر می باشد. به علاوه، نتایج پژوهش نشان می دهد که رفتار توده ای در تمام سال ها به صورت ضعیف مشاهده می شود، این در حالی است که نقاط توده ای قوی بیشتری در سال 1392 مشاهده شده و بیشتر از سایر سال ها با پدیده رفتار توده ای مواجه بوده است.

یکی از بحث های اساسی برای سرمایه گذاران موضوع تشکیل پرتفوی بهینه سهام است. در مساله انتخاب سبد سرمایه گذاری، تصمیم گیرنده هم زمان با اهداف مختلف و گاه متعارض مانند نرخ بازده، نقدینگی، سود تقسیمی و ریسک مواجه است. در بهینه سازی پرتفوی، مساله اصلی، انتخاب بهینه دارایی ها و اوراق بهاداری است که با مقدار مشخصی سرمایه می توان تهیه کرد، اما از یک سو، عدم قطعیت های مرتبط به هر سهم، و از سوی دیگر چند هدفه بودن مدل انتخاب سبد سهام بهینه، بر پیچیدگی مساله می افزاید. در این مقاله بهینه سازی سبد سهام در حالت عدم قطعیت مورد مطالعه قرار گرفته است. رویکرد برنامه ریزی تصادفی برای تبدیل عدم قطعیت به حالت قطعیت و برنامه ریزی توافقی برای تک هدفه شدن، به صورت ترکیبی مورد استفاده قرار می گیرد. از اطلاعات مربوط به 20 شرکت دارویی از بازار بورس تهران استفاده شده است و اعتبار مدل بررسی شده است. نتایج نشان می دهد که سبد سهام ارائه شده دارای کارایی بالایی است.

هدف پژوهش حاضر بررسی تاثیر عامل صرف ارزش و عامل دیرش ضمنی سهام بر مازاد بازده سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. جهت آزمون فرضیه های پژوهش از مدل فاما - فرنچ (1993) استفاده شده است. از آنجا که شواهد به دست آمده از پژوهش های پیشین بیانگر ارتباط زمانبندی جریان های نقدی شرکت و صرف ارزش می باشد، در این پژوهش ابتدا تاثیر عامل صرف ارزش بر مازاد بازده سهام (مانند مدل سه عاملی فاما - فرنچ) مورد بررسی قرار گرفته و سپس دیرش ضمنی سهام، جایگزین صرف ارزش در این مدل سه عاملی شده و برازش می گردد. جامعه آماری، شرکت های پذیرفته شده در بورس اوراق بهادار تهران و نمونه آماری، شامل 145 شرکت طی سال های 1387 تا 1395 است که به روش حذف سیستماتیک انتخاب گردیده است. نتایج پژوهش نشان می دهد که عامل دیرش ضمنی سهام و نیز صرف ارزش سهام هر دو تاثیری مثبت و معنی دار بر مازاد بازده سهام دارند.

هدف اصلی این مقاله تعیین قیمت اختیار فروش آمریکایی می باشد هنگامی که نرخ بهره خود از یک فرایند تصادفی تبعیت می کند. بدین منظور، ابتدا مدل دارایی پایه را به مدل نرخ بهره تصادفی کاکس-اینگرسول-راس (CIR) توسعه می دهیم. سپس، مساله قیمت گذاری اختیارت آمریکایی تحت مدل نرخ بهره تصادفی CIR، را به صورت یک مساله مکمل خطی (LCP) دو بعدی فرمول بندی می کنیم. برای حل این LCP دو بعدی روش تجزیه مولفه ای دو سیکل را پیشنهاد کرده ایم. در این روش، LCP دو بعدی به دست آمده برای قیمت گذاری اختیار آمریکایی به شش LCP یک بعدی در چندین مرحله ی زمانی کسری تجزیه شده، و سپس هر LCP به طور عددی در دو مرحله حل می شود. به طوری که در مرحله ی اول از طریق حل دستگاه معادلات سه قطری قیمت های اختیار به دست می آید، و سپس در مرحله ی دوم (مرحله به هنگام سازی) مقادیر قیمت های اختیار به دست آمده با توجه به شرایط مساله قیمت گذاری اختیار آمریکایی اصلاح و به هنگام می شوند. در نهایت، نتایج عددی حاصل از روش تجزیه معرفی شده را با نتایج شبیه سازی مونت کارلو مقایسه خواهیم کرد.

با توجه به بااهمیت بودن اطلاعات همراه با عرضه عمده سهام شرکت های حاضر در بورس اوراق بهادار تهران ما تاثیر قیمتی ناشی از نشت اطلاعات آگهی های عرضه عمده سهام منتشرشده در بورس اوراق بهادار تهران را در سال های 96-1394 بررسی کردیم. در این پژوهش با استفاده از روش مطالعه رویداد اثر انتشار عمومی آگهی عرضه های عمده را بر روی قیمت سهام شرکت های عرضه شده بررسی و مشاهده کردیم که بازده تجمعی در اطراف روز انتشار آگهی بسیار بالا است و انتشار آگهی عرضه عمده سبب ایجاد بازده تجمعی میانگین غیر نرمال مثبت شده است و آگهی عرضه به طور متوسط سبب افزایش ارزش شرکت ها شده است. سپس با تحلیل رگرسیون بازده تجمعی غیر نرمال پنجره های مختلف زمانی بر روی متغیر مجازی ناشی از رویداد مشاهده کردیم که بازده تجمعی غیر نرمال تحت تاثیر عرضه عمده رخ داده است. در پایان نتیجه گرفتیم که نشت اطلاعات آگهی های عرضه عمده قبل از انتشار عمومی آگهی به طور متوسط سبب ایجاد بازده غیر نرمال قیمتی برای افراد مطلع شده است.

فعالان بورس درصدد دستیابی و به کارگیری روش هایی هستند تا بتوانند با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند. بنابراین، ضروری به نظر می رسد که روش های مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایه گذار قرار گیرد. تاکنون روش های مختلفی جهت نیل به این هدف معرفی شده اند که اغلب روش های آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصادفی که در زمره روش های طبقه بندی هوش مصنوعی می باشد، به همراه شاخص های فنی: شاخص قدرت نسبی قیمت، استوکاستیک، حجم تعادل موازنه شده، ویلیامز R%، بازده ی روزانه و شاخص سری مک دی به دنبال پیش بینی روند قیمت در بازار سهام و مقایسه آن با روش های موجود است. نتیجه ی پژوهش بر روی داده های روزانه شاخص بورس اوراق بهادار تهران در سالهای 1393 تا 1395 نشان می دهد که دقت روش پیشنهادی در برآورد روند بازار 64 درصد می باشد و نسبت به دو روش مقایسه شده رگرسیون لجستیک و روش کاملا تصادفی از دقت بالاتری برخوردار است.

مطالعه چگونگی اثرگذاری بازده و نوسانات یک بازار بر روی دیگر بازارها همواره از عواملی بوده که به مدیران سرمایه گذاری در بهینه سازی سبد سهام و انتخاب دارایی ها یاری رسانده است. سرریز بیانگر انتقال شوک ها به سایر بازارها و یا کشورها است فارغ از اینکه پیوندهای اساسی بین آن ها وجود داشته باشد. این پژوهش سعی دارد تا اثر سرریز بازده و نوسانات بین صنایع فعال در بورس اوراق بهادار تهران را با استفاده از داده های شاخص 6 صنعت در بازه زمانی مرداد 1390 تا اسفند 1394 بررسی نماید. با استفاده از مدل همبستگی شرطی پویا (DCC) به بررسی اثر سرریز بازده و نوسانات پرداخته ایم. بر مبنای یافته های پژوهش درمی یابیم که بازده و نوسانات صنایع منتخب بر یکدیگر اثرگذار می باشند. برخی نتایج حاکی از آن است که صنعت مواد و محصولات داروئی بیشترین میزان اثرگذاری و صنعت فرآورده های نفتی، کک و سوخت هسته ای کمترین میزان اثرگذاری را بر سایر صنایع منتخب دارند.

رمیتانس، دریافتی های مهاجرانی است که در سایر کشورها مشغول به کار هستند و این وجوه را برای خویشاوندان، دوستان و آشنایان خود در کشور مبدا ارسال می کنند. که این انتقال ممکن است از طریق کانال های رسمی یا غیررسمی انجام شود. به منظور بررسی اثر این وجوه بر توسعه بخش مالی در ایران، پژوهش حاضر با استفاده از داده های سال های 2015-1980 به دنبال یافتن پاسخ این پرسش می باشد. دراین راستا پس از تبیین چارچوب نظری، معیارهای اندازه گیری شاخص توسعه مالی معرفی می شوند که شامل 3 معیار نسبت اعتبارات اعطایی به بخش خصوصی به GDP، نسبت اعتبارات بانکی به GDP و دیون نقدشدنی می باشند. در ادامه پس از تصریح مدل، با استفاده از روش اقتصادسنجی خودرگرسیون با وقفه توزیعی به بررسی اثر رمیتانس بر روی هر یک از این 3 معیار به صورت جداگانه پرداخته می شود. نتایج نشان می دهد که در کوتاه مدت، رمیتانس اثر منفی ولی کوچک بر توسعه مالی دارد. اما در طرف مقابل، رمیتانس در بلندمدت اثر مثبت و معناداری بر توسعه مالی در ایران دارد.

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و موردتوجه محافل علمی و سرمایه گذاری بوده است. در سالیان گذشته مدل های گوناگونی برای پیش بینی با استفاده از شبکه عصبی و مدل های ترکیبی پیشنهاد شده اند که از مدل های سنتی عملکرد بهتری داشتند. در این پژوهش یک مدل ترکیبی از شبکه عصبی و تبدیل موجک پیشنهادشده است که از الگوریتم ژنتیک برای بهینه سازی تابع پایه تبدیل موجک با هدف حداکثر نمایی کارایی این تبدیل، استفاده شده است. داده های مورداستفاده برای این پژوهش داده های روزانه از تاریخ 02/02/1391 تا تاریخ 30/01/1396 است. نتایج این پژوهش نشان داد که با این روش می توان تابع پایه ای متناسب با ویژگی های ذاتی سری زمانی برای پیش بینی یافت که خطای پیش بینی در این مدل نسبت به مدل شبکه عصبی و مدل ترکیبی شبکه عصبی و تبدیل موجک کاهش یابد.