ارائه یک رویکرد ترکیبی مدل‌سازی آریما-گارچ برای پیش‌بینی قیمت شاخص سهام شانگهای

پیش‌بینی قیمت شاخص‌های سهام به دلیل نوسانات و ویژگی‌های غیرخطی بازارهای مالی همواره یکی از چالش‌های اساسی در حوزه مالی بوده است. در این پژوهش، یک مدل ترکیبی مبتنی بر آریما و گارچ برای پیش‌بینی قیمت شاخص سهام شانگهای ارائه شده است. داده‌های مربوط به شاخص سهام شانگهای از تاریخ 4 ژانویه 2010 تا 23 ژانویه 2020 از سرویس یاهو فایننس دریافت شده است. در این مدل، میانگین قیمت‌ها پس از شناسایی تاثیرات فصلی و هفتگی با استفاده از مدل آریما، مدل‌سازی شده و نوسانات با مدل گارچ بررسی شده‌اند. برای بهینه‌سازی پارامترهای مدل‌ها و تعیین ترکیب وزنی بهینه برای پیش‌بینی‌ها، از روش‌های بهینه‌سازی بیزی و جستجوی تصادفی استفاده شده است. نتایج نشان می‌دهد که مدل ترکیبی آریما - گارچ، قادر به ارائه پیش‌بینی‌های قابل‌قبول بوده و نسبت به مدل‌های مرجع عملکرد بهتری داشته و به‌عنوان یک ابزار قدرتمند برای تحلیل‌های مالی و پیش‌بینی بازار سهام پیشنهاد می‌شود.