مقایسه مدل های رشد لجستیکی با مدل های رقیب در پیش بینی شاخص کل بورس اوراق بهادار تهران
هدف اصلی این مطالعه مقایسه مدل های رشد لجستیکی هاروی، هاروی، شبکه عصبی غیرخطی اتورگرسیو و طراحی و یافتن مدلی بهینه با دقت پیش بینی بهتر برای داده های شاخص کل بورس تهران است که این مدل وابستگی زیادی به مقادیر گذشته خود دارد، پرنوسان است و روند حرکتی غیرخطی دارد که تاکنون مغفول مانده است.
در این پژوهش با بهکارگیری مدل های رشد «لجستیک هاروی» و «هاروی» و افزودن جزء غیرخطی بر اساس بسط سری تیلور توابع مثلثاتی روی داده های روزانه مربوط به سال های 1393 تا 1395، نوسانهای شاخص کل بورس به چهار گروه دستهبندی شدند و ضمن مشخصشدن کارآمدی این مدل ها بر اساس معیارهای پیش بینی، نتایج آن با شبکه عصبی غیرخطی اتورگرسیو ارزیابی و مقایسه شد.
نتیجه آزمون های ریشه واحد دیکی فولر و BDS بیانکننده این است که داده ها مانا هستند و رفتار غیرخطی دارند. در مرحله برآورد، از آنجا که مدل های لجستیک هاروی و هاروی ریشه میانگین مربعات خطای بالا و ضریب تعیین کم داشتند، خوبی برازش آنها در هر چهار نوع داده تایید نشد. با افزودن جزء غیرخطی به مدل هاروی برازش بسیار مناسبی از شاخص کل بورس با ضریب تعیین حداقل99/8درصد و حداقل ریشه میانگین مربعات خطا بهدست آمد که حتی در مقایسه با شبکه عصبی غیرخطی اتورگرسیو بهتر بود.
نتایج پژوهش نشان می دهد که ترکیب مدل هاروی با جزء غیرخطی، در مقایسه با دو مدل رشد لجستیکی هاروی و شبکه عصبی غیرخطی اتورگرسیو، شاخص کل بورس تهران را بهتر پیش بینی می کند.
- 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.