طراحی و تبیین مدل پیش بینی قیمت سهام با استفاده از فرآیندهای تصادفی ( مطالعه موردی: شرکت های انبوه سازی املاک و مستغلات در بورس اوراق بهادار تهران)

پژوهش حاضر به طراحی و تبین مدل پیش‌بینی قیمت سهام با استفاده از فرایندهای تصادفی پرداخته است. جامعه آماری پژوهش کلیه شرکت‌های صنعت انبوه‌سازی املاک و مستغلات در بورس اوراق بهادار تهران از سال‌ 1390 تا 1398 است. داده‌ها در نرم‌افزار eviews10 و متلب مورد تحلیل قرار گرفتند. پیش‌بینی رفتار قیمت سهام و شاخص کل صنعت با روش‌های اتورگرسیو و میانگین متحرک برحسب فرایندهای تصادفی نشان داد از الگوی تبیین شده نمی‌توان برای پیش‌بینی رفتار قیمت سهام استفاده کرد اما در برخی از گام‌ها‌ی تصادفی، خطای پیش‌بینی ناچیز بوده است. در خصوص پیش‌بینی رفتار قیمت سهام، سه‌گام آخر فرآیند، فصل زمستان تاثیر معناداری بر روی پیش‌بینی قیمت سهام دارند؛ اما گام اول، تاثیر معناداری در پیش‌بینی رفتار شاخص صنعت دارد. در گام‌های اول خطای پیش‌بینی رفتار شاخص صنعت بسیار اندک است و می‌توان از الگوی تبیین شده برای پیش‌بینی رفتار شاخص در ماه‌های آغازین سال استفاده کرد.

Design and explanation of stock price forecasting model in the real estate companies’s stock in the Tehran Stock Exchange using Stochastic Process

The present study has designed and explained the stock price forecasting model using stochastic processes. The statistical population of the study is all companies of the mass real estate industry in the Tehran Stock Exchange from 1390 to 1398. Data were analyzed in Eviews10 and MATLAB software. Predicting stock price behavior and the whole industry index by autoregressive methods and moving average in terms of random processes showed that the explained pattern can not be used to predict stock price behavior but in some random steps, the forecasting error was negligible. Regarding the forecast of stock price behavior, the last three steps of the process, winter have a significant effect on stock price forecast; But the first step has a significant effect on predicting the behavior of the industry index. In the first steps, the error of predicting the behavior of the industry index is very small and the explained model can be used to predict the behavior of the index in the first months of the year.