مقاله

پیش‎بینی شاخص کل بورس اوراق بهادار تهران با مدل arfima

علیرضا عرفانی

چکیده

در این مقاله با استفاده از داده‎های روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة بلند این شاخص پرداخته و مدل arfima را بر آن برازش می‎دهیم. هم‎چنین عملکرد پیش‎بینی مدل arfima را با مدل arima مقایسه می‎کنیم. نتایج نشان می‎دهند که اولاٌ این سری زمانی از نوع حافظة بلند است، بنابراین می‎توان با تفاضل‎گیری کسری آن را مانا کرد. پارامتر تفاضل‎گیری به‎دست آمد. پس از تفاضل‎گیری کسری و تعیین تعداد وقفه‎های اجزای خودبازگشت و میاانگین متحرک مدل، شکل کلی به‎صورت ، مشخص می‎شود. پارامترهای این مدل برای 900 داده درون نمونه‎ای برآورد شده است و از آن‎ها برای پیش‎بینی 70 دادة خارج از نمونه استفاده می‎شود. مقایسة عملکرد پیش‎بینی مدل arfima با مدل arima، نشان می‎دهد که مدل arfima از قدرت پیش‎بینی‎کنندگی بالاتری برخوردار است. طبقه‎بندی jel : a12

اسناد مشابه

  • 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

  • الگـوسازی و پیش بینی شاخـص بورس اوراق بـهادار تـهران و تعیین متغیرهای مؤثر بر آن

    مقالهپژوهش ها و سیاست های اقتصادیمحسن مهرآرا، mohsen mehrara faculty of economics, university of tehranدانشیار دانشکده اقتصاد، دانشگاه تهران علی معینی، ali moeini department of algorithms and computation, university of tehran,دانشیار دانشکده فنی، دانشگاه تهران مهدی احراری، mehdi ahrari ma, researcherپژوهشگر مؤسسه تحقیقات اقتصادی دانشگاه تهران امیر هامونی

    در این مقاله با الگوسازی و پیش بینی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران مبتنی بر ساختار تلفیقی الگوریتم ژنتیک با رویکرد شبکه عصبی gmdh، سعی در شناخت متغیرهای مؤثر بر شاخص بورس اوراق بهادار شده است. یازده متغیر کلان اقتصادی مرتبط با بازار سرمایه به همراه وقفه های یک و د

  • پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

    مقالهراهبرد مدیریت مالیرضا راعی، عضو هیئت علمی دانشگاه تهران علی نیکعهد، دانشجو مصطفی حبیبی، دانشجو

    پیش­بینی نوسان های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان ب

  • پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

    مقاله۲۰۱۷راهبرد مدیریت مالیرضا راعی، علی نیکعهد، مصطفی حبیبی

    پیش­بینی نوسان‌های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان ب

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

    مقالهمدیریت بهره وری

    اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های 3arima هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموف