| LEADER |
06966nam a22002417a 4500 |
| 001 |
2124533 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|9 727284
|a عزيز، ميرنا عاطف شفيق
|e مؤلف
|
| 245 |
|
|
|a التنبؤ بأداء محافظ الأوراق المالية في البورصة المصرية
|
| 260 |
|
|
|b جامعة عين شمس - كلية التجارة
|c 2022
|g أكتوبر
|
| 300 |
|
|
|a 1365 - 1383
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a تستخدم العديد من نماذج السلاسل الزمنية ونماذج الانحدار في التنبؤ بالسلاسل الزمنية المالية، ومع ذلك يوجد هناك العديد من السلاسل الزمنية التي لا تحتوي على متوسط ثابت، والكثير منها يظهر صورا من السكون النسبي متبوعا بفترات من التقلب العالي. هذا يدعو إلى توسيع أسلوب تحليل السلاسل الزمنية، حيث يظهر سلوك بعض المتغيرات الهامة في السلاسل الزمنية المالية عدم السكون، فإن كانت متوسطات العينات قد تبدو ثابتة ولكن يكون هناك ظهور واضح لعدم ثبات التباين. يهدف هذا البحث إلى تكوين محفظة استثمارية تحقق تنويعا جيدا بين القطاعات الاقتصادية المختلفة والتي يتضمنها سوق البورصة المصري للأوراق المالية، ومقارنتها بمحفظة السوق للمؤشر EGX30. وأيضا الوصول إلى نموذج للتنبؤ بعوائد المحفظة الاستثمارية محل الدراسة مع الأخذ بعين الاعتبار مشكلة عدم ثبات تباين السلسلة الزمنية. ويتم ذلك باستخدام أسلوب بوكس- جينكز (Box- Jenkins) لنماذج السلاسل الزمنية، ونماذج الانحدار الذاتي المعمم المشروط بعدم ثبات التباين (GARCH)، بالإضافة إلى التعرف على فعالية النماذج المستخدمة في التنبؤ بعوائد المحفظة وتقديم التنبؤات بأدائها. وذلك خلال الفترة من يوليو 2016 حتى يونيو 2021م بواقع بيانات تاريخية شهرية لأسعار أسهم الشركات المدرجة في سوق البورصة المصري، ومؤشر EGX30. توصلت الدراسة التطبيقية إلى أن المحفظة الاستثمارية المشكلة حققت تنوعا جيدا والمكونة بناءا على مؤشرات شارب. حيث كانت هذه المحفظة هي الأفضل لتفوق أدائها على محفظة السوق للمؤشر EGX30. كما توصلت الدراسة إلى أن النماذج المقدرة حققت نتائج جيدة ويمكن الاعتماد عليها بشكل كبير في قياس أداء المحافظ الاستثمارية محل الدراسة. وأظهرت النتائج أن سلسلة عوائد المحفظة الاستثمارية تخضع إلى نموذج الانحدار الذاتي من الرتبة الثانية والمتوسطات المتحركة من الرتبة الثانية ARIMA (2.0.2)، كما يتبع تباين عوائد المحفظة للعملية GARCH (1.1).
|b Many time series models and regression models have been used in forecasting financial time series. However, there are many time series that do not have a constant mean and many of them showed to be constant followed by periods of high volatility. This leads to expanding the time-series analysis method, as the behavior of some important variables in the financial time-series shows heteroscedasticity, as the sample means may appear to be constant, but there is a clear appearance of the instability of the variance. This research aimed to forming investment portfolio that achieve a note-worthy diversification among the various economic sectors included in the Egyptian Stock Exchange and comparing with the market's portfolio of the EGX30 index. Access to a model for predicting the returns of the investment portfolio under study, is also a major objective, considering the problem of the heteroscedasticity of the time series. This was done by using the Box-Jenkins method for time series models, and autoregressive conditional heteroscedasticity (ARCH) models. That’s not all, another objective is identifying the effectiveness of the models used in predicting the returns of these portfolios and providing predictions for their performance. That was during the period from July 2016 to June 2021, based on monthly historical data for the prices of stocks of companies listed on the Egyptian Stock Exchange, and the EGX30 index. The research concluded that the constructed portfolio achieved a good diversification based on the criteria of Sharpe ratio. It also achieved the highest value of the monthly return. This portfolio was the best to outperform compared with the market portfolio of the EGX30 index. The study also found that the estimated models achieved good results and can be highly reliable in measuring the performance of the investment portfolios under study. It was found that the series of returns of the investment portfolio is subject to the second-order autoregressive model and second-order moving averages ARIMA (2,0,2), and the variance of portfolio returns follows the process GARCH (1,1).
|
| 653 |
|
|
|a المحافظ الاستثمارية
|a الانحدار الذاتي
|a الأسهم الاقتصادية
|a البورصة المصرية
|
| 692 |
|
|
|a تنويع المحافظ الاستثمارية
|a السلاسل الزمنية
|a التنبؤ
|a الانحدار الذاتي
|a المتوسط المتحرك
|a عدم ثبات التباين
|a المحفظة الاستثمارية
|a الانحدار الذاتي المشروط بعدم ثبات التباين (ARCH)
|a نموذج الانحدار الذاتي المعمم المشروط بعدم ثبات التباين (GARCH)
|a التباين الشرطي
|b Portfolio Diversification
|b Time Series
|b Prediction
|b Autoregressive
|b Moving Average
|b Heteroscedasticity
|b Portfolio
|b Autoregressive Conditional Heteroscedasticity (ARCH)
|b Generalized Autoregressive Conditional Heteroscedasticity (GARCH)
|b Conditional Variance
|
| 700 |
|
|
|a مصطفى، مصطفى جلال
|e م. مشارك
|9 316637
|
| 700 |
|
|
|a عبدالعال، مدحت محمد أحمد
|e م. مشارك
|9 263444
|
| 773 |
|
|
|4 الاقتصاد
|4 الإدارة
|6 Economics
|6 Management
|c 067
|e Scientific Journal for Economic & Commerce
|f Al-Maġallah Al-ʿilmiyyah Lil-Iqtiṣād Wal Tiğārah
|l 003
|m ع3
|o 0527
|s المجلة العلمية للاقتصاد والتجارة
|v 052
|x 2636-2562
|
| 856 |
|
|
|u 0527-052-003-067.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 1373235
|d 1373235
|
