بررسی توان پیش بینی مدل های state space و arima-garch ،garch،arima به کمک روش شبیه سازی مونت کارلو مطالعه موردی: شاخص قیمت بورس اوراق بهادار تهران )تپیکس(

Authors

فرهاد غفاری

استادیار، عضو هیئت علمی دانشکده مدیریت و اقتصاد، عقیق فرهادی چشمه مرواری

کارشناس ارشد علوم اقتصادی

abstract

و arima-garch ،garch ،arima هدف اصلی در مقاله حاضر مقایسه دقت پیش بینی چهار مدلدر تخمین و پیش بینی شاخص قیمت بورس اوراق بهادار تهران )تپیکس( است. برای این منظور، state spaceداده های روزانه 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و 1 اسفند 1392 تا 30 اردیبهشت1393 به عنوان برون داده، استفاده شده اند. از طرفی دیگر، برای بررسی بیشتر و افزایش دقت پیش بینی مدل هایمذکور برای شاخص تپیکس در بلند مدت، شبیه سازی با روش مونت کارلو برای دو دوره زمانی میان مدت و کوتاهمدت با استفاده از برون داده و نیز برای یک مقایسه کلی با درون داده، صورت پذیرفته؛. سپس دقت پیش بینی ها بادر سه دوره زمانی )بلند garch ارزیابی شده است. نتایج به دست آمده نشان می دهند که مدل rmse معیارمدت، میان مدت و کوتاه مدت(، و با استفاده از مقایسه با برون داده، از دقت پیش بینی بیشتری نسبت به سایر مدلمدل مناسب تری است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی توان پیش بینی مدل های State Space و ARIMA-GARCH ،GARCH،ARIMA به کمک روش شبیه سازی مونت کارلو مطالعه موردی: شاخص قیمت بورس اوراق بهادار تهران )تپیکس(

و ARIMA-GARCH ،GARCH ،ARIMA هدف اصلی در مقاله حاضر مقایسه دقت پیش بینی چهار مدلدر تخمین و پیش بینی شاخص قیمت بورس اوراق بهادار تهران )تپیکس( است. برای این منظور، State Spaceداده های روزانه 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و 1 اسفند 1392 تا 30 اردیبهشت1393 به عنوان برون داده، استفاده شده اند. از طرفی دیگر، برای بررسی بیشتر و افزایش دقت پیش بینی مدل هایمذکور برای شاخص تپیکس ...

full text

کاربرد ترکیبی مدل State Spaceدر فرم ARIMAو روش شبیه سازی مونت کارلوبرای پیش بینی شاخص تپیکس

در این مطالعه به بررسی و تخمین پارامترها با استفاده از مدل State Space در فرم ARIMAپرداخته می‌شود . سپس با استفاده از پارامترهای تخمین زده شده و روش شبیه سازی مونت کارلو به عنوان ابزاری برای افزایش دقت پیش بینی فرآیندهای تصادفی، به پیش بینی برای کوتاه مدت، میان مدت و بلند مدت برای شاخص تپیکس پرداختیم که شامل 739 داده­ روزانه مربوط به 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و نیز ...

full text

بررسی بهبود توان تبیین الگوهای ARCH و State Space با استفاده از رهیافت تبدیل موجک هار و شبیه سازی مونت کارلو (مطالعه موردی پیش‌بینی شاخص تپیکس)

با توجه به اهمیت پیش بینی، صحت و دقت آن در شرایط مختلف اقتصادی به ویژه بازارهای مالی ، در این مقاله سعی بر آن شده تا با به کار بستن رویکرد تبدیل موجکی که از علم فیزیک و به ویژه علم تحلیل سیگنال نشات گرفته است به امر حذف نویزهای موجود در داده های بازار سهام و با تاکید بر شاخص  تپیکس و به عبارت دیگر، پاک سازی نویز موجود در داده های این شاخص بپردازیم. همانطور که از نتایج به دست آمده نیز پیداست، نو...

full text

بررسی بهبود توان تبیین الگوهای arch و state space با استفاده از رهیافت تبدیل موجک هار و شبیه سازی مونت کارلو (مطالعه موردی پیش بینی شاخص تپیکس)

با توجه به اهمیت پیش بینی، صحت و دقت آن در شرایط مختلف اقتصادی به ویژه بازارهای مالی ، در این مقاله سعی بر آن شده تا با به کار بستن رویکرد تبدیل موجکی که از علم فیزیک و به ویژه علم تحلیل سیگنال نشات گرفته است به امر حذف نویزهای موجود در داده های بازار سهام و با تاکید بر شاخص  تپیکس و به عبارت دیگر، پاک سازی نویز موجود در داده های این شاخص بپردازیم. همانطور که از نتایج به دست آمده نیز پیداست، نو...

full text

کاربرد ترکیبی مدل state spaceدر فرم arimaو روش شبیه سازی مونت کارلوبرای پیش بینی شاخص تپیکس

در این مطالعه به بررسی و تخمین پارامترها با استفاده از مدل state space در فرم arimaپرداخته می شود . سپس با استفاده از پارامترهای تخمین زده شده و روش شبیه سازی مونت کارلو به عنوان ابزاری برای افزایش دقت پیش بینی فرآیندهای تصادفی، به پیش بینی برای کوتاه مدت، میان مدت و بلند مدت برای شاخص تپیکس پرداختیم که شامل 739 داده­ روزانه مربوط به 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و نیز ...

full text

ارائه مدل پیش بینی شاخص کل قیمت سهام با رویکرد شبکه های عصبی (مطالعه موردی: بورس اوراق بهادار تهران)

هدف تحقیق حاضر ارائه مدل پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکه­های عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به ­صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان می­دهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیش­بینی شاخص ...

full text

My Resources

Save resource for easier access later


Journal title:
اقتصاد کاربردی

جلد ۵، شماره بهار و تابستان ۱۳۹۴، صفحات ۳۳-۴۲

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023