پیش بینی بازار روزانه بورس اوراق بهادارتهران: ارزیابی و مقایسه روش های خطی و غیرخطی

پیش بینی متغیرهای اقتصادی و مالی اهمیت فراوانی برای سیاست گذاران و سرمایه گذارن اقتصادی کشورها دارد، با این حال پیش بینی این متغیرها با توجه به ماهیت پرنوسان و پیچیده ای که دارند بسیار دشوار است. نوع و ماهیت داده از حیث پیچیدگی می تواند بر دقت پیش بینی مدل ها اثرگذار باشد؛ به عبارتی رفتار خطی و یا غیرخطی متغیرها می تواند بر انتخاب مدل پیش بینی اثرگذار باشد. تحقیقات اخیر نشان می دهد اگر بتوان فرآیند مولد داده های یک متغیر (خطی یا غیرخطی) را به دست آورد پیش بینی آن متغیر راحت تر و با خطای کمتری امکان پذیر خواهد بود.
در این مقاله ابتدا با استفاده از آزمون براک- دیکرت و شاینکمن (BDS)، به بررسی خطی یا غیرخطی بودن و سپس آشوبناک بودن بازده شاخص کل بورس اوراق بهادار تهران (TEPIX) طی بازه زمانی 05/01/1388 تا 23/07/1390 (625 مشاهده) پرداخته شده است. نتایج آزمون نشان می دهد که این متغیر از یک رفتار غیرخطی تبعیت می کند. سپس با استفاده از تکنیک های مختلف پیش بینی، مدل های خطی و غیرخطی ARIMA، GARCH، ANN و ANFIS برآورد شدند و با استفاده از معیارهای دقت پیش بینی مانند RMSE،MAE، U-Thiel و MAPE، مدل ها مورد ارزیابی و مقایسه قرار گرفتند. نتایج نشان می دهد که مدل های غیرخطی نسبت به مدل ARIMA از عملکرد بهتری برخوردار بودند و در بین مدل های غیرخطی نیز مدل ANFIS بهترین عملکرد را در پیش بینی بازده روزانه شاخص سهام دارا بود.
در ادامه با استفاده از آماره ی مورگان-گرنجر- نیوبلد (MGN) معنی داری تفاوت دقت پیش بینی مدل های غیرخطی با مدل های خطی مورد آزمون قرار گرفت که نتایج نشان دهنده تفاوت معنی دار در پیش بینی روش های خطی و غیرخطی بود.