پیش‌بینی بازدهی شاخص صنعت پتروشیمی در بورس اوراق بهادار تهران با استفاده از مدل‌های ARIMA و ARFIMA

Authors

  • فرهاد غفاری دانشیار اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران
  • محسن اشراقی دانشجوی کارشناسی ارشد اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات
Abstract:

پیش بینی متغیرهای اقتصادی از اهمیت  ویژه ای در مباحث اقتصادی برخوردار است و مدل های مختلفی جهت پیش بینی مقادیر آتی متغیرها به وجود آمده اند. یکی از مهمترین کارکردهای مدل های اقتصادی، پیش بینی مقادیر آتی متغیرهای اقتصادی می باشد. در حقیقت مدل های اقتصادی را می توان از طریق بررسی میزان دقت پیش بینی مورد آزمون قرار داد. بدین صورت که اگر یک مدل اقتصادی در تبیین روابط موجود بین متغیرها موفق باشد، باید بتواند پیش بینی صحیحی از آینده متغیرها نیز ارائه نماید. هدف اصلی این مقاله پیش بینی بازدهی شاخص یکی از مهمترین و تاثیرگذارترین صنایع کشور،صنعت پتروشیمی، است. نتایج آماری وجود حافظه بلندمدت در بازدهی این صنعت را تایید می‌کنند، لذا برای پیش بینی شاخص صنعت پتروشیمی از دو مدل اقتصادسنجی شامل ARFIMA و ARIMA استفاده شده است. به طوریکه، مدل ARFIMA با در نظر گرفتن حافظه بلندمدت و مدل ARIMA بدون در نظر گرفتن حافظه بلندمدت مدنظر قرار گرفتند. ارزیابی میزان دقت پیش بینی دو مدل مذکور با استفاده از داده‌های روزانه شاخص صنعت پتروشیمی در بوررس اوراق بهادار تهران در بازه زمانی 24/03/1384 الی 25/05/ 1394نشان می‌دهد که با تفاوت اندکی مدل ARFIMA بهتر از مدل ARIMA  عمل کرده است، ولی با توجه به مشکلات برآورد ضرایب مدل ARFIMA و سادگی مدل ARIMA، این تفاوت اندک قابل چشم پوشی است و می‌توان از مدل  ARIMA برای پیش بینی بازدهی صنعت پتروشیمی استفاده کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‎بینی شاخص کل بورس اوراق بهادار تهران با مدل ARFIMA

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 ب...

full text

مقایسه قابلیتهای مدلهای مبتنی بر حافظه بلندمدت و مدل های شبکه عصبی پویا در پیشبینی بازدهی بورس اوراق بهادار تهران

این مقاله با هدف معرفی یک الگوی مناسب جهت پیش­بینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته است. داده­های مورد استفاده در این پژوهش به صورت روزانه و شامل بازه­ی زمانی پنجم فروردین 1388 تا سی­ام آبان 1390 که مشتمل بر 616 مشاهده بوده که جهت مجزا سازی پیش­بینی­های داخل نمونه­ای و خارج از نمونه­ای، از تقریباً 90% از مشاهدات (556 مشاهده) جهت تخمین ضرایب مدل و از مابقی (60 مشاهده) جهت انجام پی...

full text

پیش‎بینی شاخص کل بورس اوراق بهادار تهران با مدل arfima

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 به‎...

full text

مقایسه قابلیتهای مدلهای مبتنی بر حافظه بلندمدت و مدل های شبکه عصبی پویا در پیشبینی بازدهی بورس اوراق بهادار تهران

این مقاله با هدف معرفی یک الگوی مناسب جهت پیش­بینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته است. داده­های مورد استفاده در این پژوهش به صورت روزانه و شامل بازه­ی زمانی پنجم فروردین 1388 تا سی­ام آبان 1390 که مشتمل بر 616 مشاهده بوده که جهت مجزا سازی پیش­بینی­های داخل نمونه­ای و خارج از نمونه­ای، از تقریباً 90% از مشاهدات (556 مشاهده) جهت تخمین ضرایب مدل و از مابقی (60 مشاهده) جهت انجام پی...

full text

پیش‌بینی شاخص بورس اوراق بهادار تهران با استفاده از انفیس

هدف اصلی این تحقیق بررسی پیش‌بینی پذیری شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران به کمک انفیس و یافتن مدل مناسب برای پیش‌بینی شاخص بورس اوراق بهادار تهران (تدپیکس) بوده است. بدین منظور، نخست سه متغیر کلان اقتصادی به همراه مقادیر تاریخی شاخص تدپیکس به عنوان ورودی‌های مدل انتخاب شدند؛ سپس ساختارهای گوناگون انفیس و شبکه عصبی مصنوعی پس‌انتشار خطا برای بررسی پیش‌بینی پذیری و شناسایی مدل مناسب ...

full text

پیش‌بینی و مدل‌سازی تلاطم بازدهی سهام در بورس اوراق بهادار تهران با استفاده از مدل‌های GARCH

هدف از این پژوهش مدل‌سازی و مقایسه قدرت پیش‌بینی کنندگی مدل‌های GARCH در پیش‌بینی تلاطم بازدهی سهام در بورس اوراق بهادار تهران است. ازاین‌رو دوره زمانی 1/1/1388 تا 30/12/1395 بر مبنای بازدهی روزانه شاخص کل قیمت (TEPIX) شامل 1900 مشاهده انتخاب شد و مدل‌های GARCH، EGARCH، PGARCH، GJR، GARCH-M،FIGARCH و FIEGARCH  با رویکرد سری زمانی و تحت فرض توزیع مجانبی نرمال ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue پاییز و زمستان 1395

pages  15- 26

publication date 2017-02-19

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023