خلاصة:
یکی از روشهای مطرح در بررسی علمی بازار سرمایه استفاده از مدل سازهای اقتصاد سنجی می باشد . در پژوهشهای انجام شده اغلب مدلسازهای اقتصاد سنجی محدود، بدون مقایسه و بررسی میزان خطای پیشبینی سایر الگوریتمها ، مورد بررسی قرار گرفته اند . در این پژوهش برای رفع این نقیصه با اجرا و مقایسه روش های مطرح برروی سهم های منتخب و بر اساس پارامترهای ارائه شده کارا ترین الگوریتم مشخص گردیده است. از سوی دیگر اغلب مرتبه جمله خود رگرسیو و مرتبه جمله میانگین متحرک جهت بررسی ها به صورت محدود در نظر گرفته می شود که بر اساس معیار اطلاعات بیزی روش تعیین درجات p و q جهت دستیابی به پاسخ بهینه را ارائه نموده ایم و با مقایسه روش های میانگین متحرک خود رگرسیو ، میانگین متحرک تجمیعی خود رگرسیو ، میانگین متحرک تجمیعی خود رگرسیو فصلی ، میانگین متحرک تجمیعی خود رگرسیو با متغیر توضیحی ،میانگین متحرک تجمیعی خود رگرسیو فصلی با متغیر توضیحی ، مدل خود رگرسیو با واریانس ناهمسانی شرطی تعمیم یافته ، مدل خود رگرسیو نمایی با واریانس ناهمسانی شرطی تعمیم یافته و مدل رگرسیون با خطاهای میانگین متحرک خود رگرسیو در بازار بورس اوراق بهادار تهران مورد بررسی قرار گرفته اند.
Investing in the capital market requires deciding on issues such as selection, timing, price and share buybacks with market research. One of the ways to do this is to use econometric modelers. In the studies performed to compare methods or to present hybrid models, most econometric models have been studied without comparing and predicting the error of prediction error of other algorithms. In this research, the most efficient algorithm for solving this defect is implemented and compared with the proposed methods on selected shares and based on the proposed parameters.On the other hand, often the order of the regression and the mean of the moving average sentence are considered for the finite number of studies, which is based on Bayesian criteria for determining the p and q degrees to obtain the optimal response. This paper compares the methods of self-regressive moving average, cumulative self-regressive moving average, self-regulated seasonal moving average, self-regressive moving average with explanatory variable, cumulative mean self-regression with explanatory variable, self-regression model with variance. Generalized conditional, exponential self-regression model with generalized conditional heterogeneity variance and regression model with moving average self-regression errors for selected symbols of Tehran Stock Exchange.
ملخص الجهاز:
پيشينه پژوهش دِوشــاه و همکــاران [١٥] در طبقــه بنــدي پيشــرفت هاي اخيــر در خصــوص تجزيــه و تحليــل و پيش بينــي ســهام بــه مدل ســازهاي اقتصادســنجي بــه عنــوان يکــي از دســته ها اشــاره مــيکنــد و عنــوان مــيدارد ايــن روش بــه دليــل اســتفاده از ســريهاي زمــاني بــه عنــوان متغيرهــاي ورودي ماننــد ميــانگين متحــرک خــود رگرســيو ARMA ، ميــانگين متحــرک تجميعــي خــود رگرســيو ARIMA و مــدل خــود رگرســيو بــا واريــانس ناهمســاني شــرطي تعمــيم يافتــه (GARCH) در رده تجزيـه و تحليـل تـک متغيـره قـرار ميگيرنـد .
جدول ٥ : مقادير BIC مدل ها BICمقدار مدل ARMA(3,0,11) 33060,2896 ARIMA(3,0,11) 33060,2896 ARIMA(3,1,11) 24673,5064 ARIMA(3,2,11) 24673,4837 / / ARIMAX(3,0,11) 52096,6158 ARIMAX(3,1,11) 24681,9496 ARIMAX(3,2,11) 24942,9693 SARIMA(3,0,11) 33060,2896 SARIMA(3,1,11) 24673,5064 SARIMA(3,2,11) 24673,4837 SARIMAX(3,0,11) 52096,6158 SARIMAX(3,1,11) 24681,9496 SARIMAX(3,2,11) 24942,9693 RegARMA(3,11) 24754,5241 براســـــاس مقـــــادير BIC موجـــــود در جـــــدول ٢، مـــــدل هاي (٣٢١١)ARIMA و (٣٢١١)SARIMA بــا کمتــرين مقــدارBIC بيشــترين کــآرايي را در بــرازش داده هــا در ميــان روش هــاي اقتصادســنجي جهــت پيش بينــي قيمــت آتــي (روز بعــد) شــرکت ســايپا را داشــته اند.
/ / جدول ٨ : مقادير BIC مدل ها BICمقدار مدل ARMA(4,0,16) 29250,7109 ARIMA(4,0,16) 29250,7109 ARIMA(4,1,16) 29240,4038 ARIMA(4,2,16) 29608,1942 ARIMAX(4,0,16) 39813,7635 ARIMAX(4,1,16) 29245,3232 ARIMAX(4,2,16) 29391,2451 SARIMA(4,0,16) 29250,7109 SARIMA(4,1,16) 29240,4038 SARIMA(4,2,16) 29608,1942 SARIMAX(4,0,16) 39813,7635 SARIMAX(4,1,16) 29245,3232 SARIMAX(4,2,16) 29391,2451 RegARMA(4,16) 29306,3722 براســـــاس مقـــــادير BIC موجـــــود در جـــــدول ٨، مـــــدل هاي (٤١١٦)ARIMA و (٤١١٦)SARIMA بــا کمتــرين مقــدارBIC بيشــترين کــآرايي را در بــرازش داده هــا در ميــان روش هــاي اقتصادســنجي جهــت پيش بينــي قيمــت آتــي (روز بعــد) شــرکت پــالايش نفــت اصــفهان داشته اند .