مقایسه دقت پیش بینی قیمت سهام توسط مدل میانگین متحرک خودرگرسیونی یکپارچه (ARIMA) در سه افق زمانی کوتاه مدت و میان مدت و بلند مدت [Persian Thesis]

راضیه محمدآبادی

شناسگر رکورد: ۲۰۰۶۲
رشته تحصیلی: سیستم های مالی
عنوان: مقایسه دقت پیش بینی قیمت سهام توسط مدل میانگین متحرک خودرگرسیونی یکپارچه (ARIMA) در سه افق زمانی کوتاه مدت و میان مدت و بلند مدت
نويسنده: راضیه محمدآبادی
استاد راهنما : دکتر مینو کیانی راد
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۱
چکیده: تغییرات قیمت سهام یک منبع مهم اطلاعاتی و مؤثر برای سرمایه گذاران، در ارزیابی واحد تجاری، کارایی مدیران و اخذ تصمیمات است. بنابر این مهم ترین مسئله برای سرمایه گذاران پیش بینی و تغییرات قیمت سهام است. هدف از انجام این پژوهش نیز آن است که قیمت سهام ۱۰ شرکت برتر در بورس اوراق بهادار تهران را با توجه به در نظر گرفتن رفتار گذشته آن ها به وسیله روش میانگین متحرک خود رگرسیون یکپارچه (ARIMA) ، پیش بینی و درنهایت به ارزیابی عملکرد آن ، به منظور یافتن روشی که در پیش بینی قیمت سهام در مدل مذکور، دارای خطای پایین تر و دقت بالاتر است، بپردازیم. روش شناسی تحقیق از نوع پس رویدادی است، بدین معنا که پژوهش بر اساس اطلاعات گذشته انجام شده است. بدین منظور از قیمت روزانه داده های هر سهم در بازه زمانی ۱۰ روز به عنوان کوتاه مدت، ۴۰ روز به عنوان میان مدت و ۱۰۰ روز به عنوان بلند مدت استفاده شده است. قیمت های روزانه سهام از پایگاه داده سایت TSECLIENT به صورت تعدیل شده دریافت گردیده است. همچنین از نرم افزار های مینی تب و R برای انجام پژوهش استفاده شده است. برای ارزیابی و بررسی عملکرد روش، از معیار های میانگین مربعات خطا (MSE) و میانگین درصد خطای مطلق (MAPE) و روش اعتبار سنجی (cross-validation) سری های زمانی و برای بررسی برازش مدل جهت جلوگیری از overfitting (بیش برازش) از شاخص های AIC و BIC بهره برده ایم. سپس میانگین و انحراف معیار خطاهای پیشبینی برای هر سه افق زمانی محاسبه گردید که این دو معیار برای افق زمانی کوتاه مدت از افق زمانی میان مدت و بلند مدت مقدار کمتری داشتند. و در نهایت نتایج پژوهش حاکی از آن بود که در پیشبینی قیمت سهام ۱۰ شرکت برتر بورس اوراق بهادار تهران، قدرت عملکرد پیشبینی مدل ARIMA از لحاظ افق زمانی، در کوتاه مدت از افق زمانی میان مدت و بلند مدت بهتر بوده است. واژههای کلیدی: قیمت سهام، پیش بینی، مدل ARIMA، بازار بورس
Register Number Part3 Version Volume Part Part2 Reference Call Number lended Date Back Description
283938 1
Copyright 2026 by Payam Hannan co ltd. PayamLib.com