پیش‌بینی شاخص کل قیمت سهام با استفاده از الگوی خاکستری

پیش‌بینی بازار سهام به‌عنوان یک کار پر چالش در حوزه‌ی پیش‌بینی سری‌های زمانی مالی در نظر گرفته شده است. علت مهم این امر عدم وجود قطعیت در نحوه‌ی حرکت بازار سهام می‌باشد. هم‌چنین تحلیل داده‌های سری زمانی قیمت‌های سهام به علت غیر‌خطی بودن و وجود نویز زیاد مشکل می‌باشد. هدف این پژوهش پیش‌بینی بازار سرمایه با استفاده از الگوی پیش‌بینی خاکستری بهبود یافته در بورس اوراق بهادار تهران است. برای این منظور از شاخص کل قیمت سهام (tepix) استفاده شد. یافته‌های حاصله بیان‌گر این است که که الگوریتم خاکستری بهبود یافته برازش یافته با به حداقل رساندن خطای پیش‌بینی یک الگوریتم مناسب برای پیش‌بینی نوسان شاخص کل قیمت سهام می‌باشد. پیش‌بینی بازار سهام به‌عنوان یک کار پر چالش در حوزه‌ی پیش‌بینی سری‌های زمانی مالی در نظر گرفته شده است. علت مهم این امر عدم وجود قطعیت در نحوه‌ی حرکت بازار سهام می‌باشد. هم‌چنین تحلیل داده‌های سری زمانی قیمت‌های سهام به علت غیر‌خطی بودن و وجود نویز زیاد مشکل می‌باشد. هدف این پژوهش پیش‌بینی بازار سرمایه با استفاده از الگوی پیش‌بینی خاکستری بهبود یافته در بورس اوراق بهادار تهران است. برای این منظور از شاخص کل قیمت سهام (tepix) استفاده شد. یافته‌های حاصله بیان‌گر این است که که الگوریتم خاکستری بهبود یافته برازش یافته با به حداقل رساندن خطای پیش‌بینی یک الگوریتم مناسب برای پیش‌بینی نوسان شاخص کل قیمت سهام می‌باشد.

Prediction of stock price index using gray model

Stock market prediction is considered as a challenging task in the area of forecasting of financial time series. The main reason for this is the lack of certainty about how the stock market moves. Stock price data analysis is difficult due to the nonlinearity and the high noise level. The purpose of this paper is to forecast the capital market using the improved gray prediction pattern in Tehran Stock Exchange. For this purpose, the total stock price index (TEPIX) was used. The obtained results indicated that the improved gray algorithm fitted with minimizing the prediction error is an appropriate algorithm for predicting the fluctuation of the total stock price index.Stock market prediction is considered as a challenging task in the area of forecasting of financial time series. The main reason for this is the lack of certainty about how the stock market moves. Stock price data analysis is difficult due to the nonlinearity and the high noise level. The purpose of this paper is to forecast the capital market using the improved gray prediction pattern in Tehran Stock Exchange. For this purpose, the total stock price index (TEPIX) was used. The obtained results indicated that the improved gray algorithm fitted with minimizing the prediction error is an appropriate algorithm for predicting the fluctuation of the total stock price index.