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(

نویسندگان

  • عقیق فرهادی چشمه مرواری کارشناس ارشد علوم اقتصادی
چکیده مقاله:

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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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 ...

متن کامل

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 ...

متن کامل

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...

متن کامل

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...

متن کامل

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 ...

متن کامل

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 ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 5  شماره بهار و تابستان 1394

صفحات  33- 42

تاریخ انتشار 2015-09-11

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023