@article { author = {کیمیاگری, علی‌محمد and تیژری, مهتاب}, title = {A Model for Testing and Improving Stock Market Efficiency}, journal = {Financial Research Journal}, volume = {8}, number = {22}, pages = {-}, year = {2006}, publisher = {University of Tehran}, issn = {1024-8153}, eissn = {2423-5377}, doi = {}, abstract = {This study provides a model for testing stock market efficiency. Case study of this research is Tehran Stoch Exchange (TSE). To test the efficiency of TSE, Neural Network capable of learning the underlying dynamics of complex processes are used. After an explanation of the underlying theory, Neural Networks are applied to a trading simulation based on predicted value of 2 indices, over the period of Mehr 1383- Esfand 1385. An array of trading results was derived using the predicted index values and different trading parameters, four threshold levels on which tradind decisions were based, and four transaction cost levels. The simulation results indicate that in most cases, neural Networks were able to make statistically significant excess return over the passive "buy and hold strategy". This suggests that the stock market might be inefficient. For validation of this model, "run test" was used to prove that the results of simulation are correct. At last, this research provides some good ways for improving stock market efficiency.}, keywords = {Buy and Hold Strategy,Efficient Market Hypothesis,Tehran Stock Exchange (TSE),Weak form efficiency}, title_fa = {ارایه مدلی جهت آزمون و ارتقاء کارایی بازار سهام}, abstract_fa = {در این تحقیق مدلی برای آزمون کارایی بازار سهام ارایه شده است. این تحقیق برای سنجش کارایی بورس اوراق بهادار تهران به‌کار گرفته شده‌است. به ‌منظور آزمون کارایی بازار سهام تهران، از شبکه‌های عصبی استفاده می‌شودکه قادرند روابط و دینامیک موجود در فرآیندهای پیچیده را آموزش ببینند. پس از شرح در مورد تئوری‌های موجود در این زمینه با استفاده از شبکه عصبی به شبیه سازی معاملاتی پرداخته شده است. در این تحقیق ارزش روزانه 2 شاخص در بازه مهر 1383 تا اسفند 1385به‌کار گرفته شده‌است. نتایج زیادی با به‌کارگیری سیستم پیش‌بینی و معاملاتی به‌دست آمده است که در آن از 4 حد آستانه و 4 سطح هزینه معاملاتی استفاده شده است. نتایج نشان می‌دهد که در اغلب موارد شبکه عصبی توانسته است بازده بالاتری نسبت به روش خرید و نگهداری به‌دست آورد. این امر بیانگر آن است که بازار سهام احتمالاً در شکل ضعیف ناکارا است. برای اعتبار سنجی مدل از «آزمون گردش» استفاده شده که نتایج این آزمون نیز یافته‌های مدل را تأیید کرد. در نهایت در این تحقیق راهکارهای ارتقاء کارایی بازار سهام ارایه شده است.}, keywords_fa = {استراتژی خرید و نگهداری,بورس اوراق بهادار تهران,شکل ضعیف کارایی,فرضیه بازار کارا}, url = {https://jfr.ut.ac.ir/article_19395.html}, eprint = {https://jfr.ut.ac.ir/article_19395_7129273dadb527a5516844bdae5dc361.pdf} }