مقاله

اندازه گیری خطای پیش بینی شاخص کل بورس تهران با استفاده از روش های سری زمانی فازی مرتبه چندگانه و آرما

چکیده

هدف از این مطالعه پیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از سری زمانی فازی مرتبه اول، دوم و سوم و روش آرما و آزمون دقت پیش بینی هر یک از این روش ها است. برای این منظور rmse و مقادیر تعدیل شده آن را بر اساس سری زمانی فازی مرتبه چندگانه و مقادیر زبانی بین 5 تا 15 محاسبه و کمترین rmse انتخاب شد. بر اساس این انتخاب شاخص کل بورس برای هر یک از سالهای دوره یازده ساله این مطالعه (88-1378) به روش های فازی و فازی تعدیل شده و روش آرما و آرمای تعدیل شده محاسبه شد و با شاخص واقعی بازار مقایسه گردید. نتایج آزمون دایبولد ماریانو نشان داد که در 7 سال از 11 سال دوره مورد مطالعه خطای پیش بینی روش آرما کمتر از روش فازی است. اما در 4 سال بقیه بین دقت پیش بینی دو روش تفاوت معنی داری مشاهده نشد.

اسناد مشابه

  • اندازه گیری خطای پیش بینی شاخص کل بورس تهران با استفاده از روش‌های سری زمانی فازی مرتبه چندگانه و آرما

    مقاله۲۰۱۳مهندسی مالی و مدیریت اوراق بهادارابراهیم عباسی، محسن دستپاک

    هدف از این مطالعه پیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از سری زمانی فازی مرتبه اول، دوم و سوم و روش آرما و آزمون دقت پیش بینی هر یک از این روش ها است. برای این منظور RMSE و مقادیر تعدیل شده آن را بر اساس سری زمانی فازی مرتبه چندگانه و مقادیر زبانی بین 5 تا 15 محاسب

  • پیش بینی شاخص بورس تهران با استفاده از سری زمانی فازی بر اساس تعریف نرخ بازده

    در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای

  • پیش بینی شاخص بورس تهران با استفاده از سری زمانی فازی بر اساس تعریف نرخ بازده

    مقالهدانش سرمایه گذاریفرید رادمهر، کارشناسی ارشد مهندسی صنایع- مهندسی مالی، دانشکده مهندسی صنایع دانشگاه صنعتی امیرکبیر (مسئول مکاتبات) ناصر شمس قارنه، استادیار دانشکده مهندسی صنایع دانشگاه صنعتی امیرکبیر

    در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای

  • تحلیل آشوب، تجزیۀ موجک و شبکۀ عصبی در پیش بینی شاخص بورس تهران

    مقالهتحقیقات مدلسازی اقتصادیاسماعیل نادری، esmaeil naderi tehran universityدانشگاه تهران حسین عباسی نژاد، hossein abbasi-nejad tehran universityدانشگاه تهران

    این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکۀ عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شا

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از انفیس

    مقالهمدیریت دارایی و تأمین مالیسجاد فرازمند، دانشگاه تربیت مدرس اسدالله کردنائیج، دانشگاه تربیت مدرس اصغر مشبکی، دانشگاه تربیت مدرس

    هدف اصلی این تحقیق بررسی پیش بینی پذیری شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران به کمک انفیس و یافتن مدل مناسب برای پیش بینی شاخص بورس اوراق بهادار تهران (تدپیکس) بوده است. بدین منظور، نخست سه متغیر کلان اقتصادی به همراه مقادیر تاریخی شاخص تدپیکس به عنوان ورودی های مدل انت

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۰۵فصلنامه علمی-پژوهشی بررسیهای حسابداری وحسابرسیحسنعلی سینائی، سعیدال..... مرتضوی، یاسر تیموری اصل

    پژوهش حاضر به مطالعه پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران به وسیله شبکه های عصبی و ارایه ی شواهدی مبنی بر رفتار آشوبناک شاخص قیمت در بورس اوراق بهادار می پردازد. دو مجموعه از داده ها برای ورودی شبکه عصبی انتخاب شده اند. وقفه های مختلفی از شاخص و عوامل کلان اقتصادی ب