مدل رگرسیون بردار تکیه‌گاه و مقایسه آن با رگرسیون نیم‌پارامتری

در این تحقیق، هدف بررسی و تحلیل روشی برای پیش‌بینی قیمت سهام بورس اوراق بهادار است. هرچند پیش‌بینی بازار سرمایه با توجه به وابستگی آن به عامل سیاست چندان ساده نیست،اما با مدل‌سازی داد‌ه‌ها، پیش‌بینی عملکرد سهام بورس اوراق بهادار در بازه‌ بلندمدت تا حدودی امکان‌پذیر خواهد بود. در این راستا با استفاده از مدل‌های رگرسیون نیم ‌پارامتری و رگرسیون بردار تکیه‌گاه با هسته‌های مختلف و اندازه‌گیری خطاهای پیش‌بین، بر روی یکی از سهم‌های بازار بورس اوراق بهادار بر اساس نوسان های روزانه و مقایسه روش‌ها با استفاده از معیارهای ریشه میانگین توان دوم خطاها و میانگین قدرمطلق درصد خطاها، مدل رگرسیون بردار تکیه‌گاه با هسته شعاعی و خطای برابر 0.1 دارای مناسب‌ترین برازش روی داده‌های واقعی بازار سهام بوده ‌است.

Support Vector Machines Regression Model and Comparison with Semi-parametric Regression

llrm;In this research lrm;, lrm;the aim is to assess and analyze a method to predict the stock market lrm;. lrm;However lrm;, lrm;it is not easy to predict the capital market due to its high dependence on politics llrm;b lrm;ut by data modeling lrm;, lrm;it will be somewhat possible to predict the stock market in the long period of time lrm;. lrm;In this regard lrm;, lrm;by using the semiparametric regression models and support vector regression llrm;with different lrm;kernels land measuring the predictor errors in the stock market of one stock based on daily fluctuations and comparing methods using the root lrm;of lrm;mean lrm;squared lerror and mean absolute percentage error criteria lrm;, lrm;support vector regression model lrm;has lrm;been lthe most appropriate fit to the real stock market data with radial kernel and error equal to 0.1 llrm;.