پیش بینی بازده سهام بورس تهران: مقایسه رویکردهای بیزی، هموارسازی نمایی و باکس جنکینز

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
پیش بینی بازده سهام برای سرمایه گذاران در بازارهای مالی از اهمیت فراوانی برخوردار است. به طور کلی چهار روش برای پیش بینی قیمت سهام وجود دارد: تحلیل تکنیکال، تحلیل بنیادی، پیش بینی سری های زمانی کلاسیک و روش یادگیری ماشینی. این مطالعه در دسته سوم؛ یعنی پیش بینی سری زمانی که در آن مقادیر یک متغیر در طول زمان پیش بینی می شود، قرار می گیرد. بررسی مطالعات انجام شده نشان می دهد پیش بینی قیمت سهام بیشتر با روش هایی چون شبکه عصبی و الگوریتم ژنتیک که در گروه روش یادگیری ماشینی قرار دارند، بوده است. عدم کاربرد روش بیزین، هموارسازی نمایی و باکس جنکینز در مطالعات انجام شده مشهود است. در واقع تمایز این پژوهش با سایر مطالعات، کاربرد روش های بیزین، هموارسازی نمایی و باکس جنکینز و مقایسه آن ها در پیش بینی بازده سهام است. این مطالعه پیش بینی با سری های زمانی با سه روش مختلف فوق را مورد استفاده قرار داده است. بازه زمانی این مطالعه از 06/01/1397 تا 27/12/1399 در تناوب روزانه است. براساس معیار ریشه میانگین مربع خطاها (RMSE) که کاهش آن تنها در صورتی ممکن است که روش مورد استفاده اطلاعات بیشتری را از  فرآیند سری زمانی داده ها لحاظ کند. نتیجه این مطالعه نشان دهنده برتری روش بیزی بر سایر روش ها است. این تحقیق اهمیت توجه به این روش پیش بینی در بازده  بازارهای مالی را نشان می دهد.
زبان:
فارسی
صفحات:
189 تا 221
لینک کوتاه:
magiran.com/p2487514 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!