مقایسه دقت مدل‌های فراابتکاری و اقتصادسنجی در پیش‌بینی سری-های زمانی مالی دارای حافظه بلندمدت (مطالعه‌ی موردی؛ شاخص سهام صنعت سیمان در ایران)

داده‌های با تناوب بالا نوع خاصی از نامانایی دارند که به آن نامانایی کسری گفته می‌شود. این ویژگی سبب پدیدآمدن حافظه بلندمدت در سری‌های زمانی مالی با تناوب بالا می‌شود. در این نوشتار ابتدا وجود حافظه بلندمدت در سری زمانی صنعت سیمان بررسی شده و وجود آن در سطح اطمینان بالایی توسط دو آزمون R/S و GPH تأیید می‌شود. در ادامه، دقت مدل‌های پیش‌بینی سری‌های زمانی مالی نظیر، ARMA و GARCH که ویژگی حافظه بلندمدت را در مدل‌سازی سری زمانی در نظر نمی‌گیرند و مدل‌هایی مثل ARFIMA و FIGARCH، که این ویژگی را مدنظر قرار می‌دهند، با روش نوین فراابتکاری ارایه شده که ترکیبی از الگوریتم جستجوی هارمونی و سری‌های زمانی فازی وزن‌دار می-باشد به روش پنجره غلتان و با استفاده از معیار ریشه میانگین توان دوم خطاها (RMSE) در بازه‌های زمانی مختلف مورد مقایسه قرار می‌گیرد. نتایج حاصل نشان می‌دهند که روش فراابتکاری ارایه شده در تمامی بازه‌های زمانی نتیجه بهتری از مدل‌های متداول اقتصادسنجی ارایه می‌دهد.