بررسی امکان پیش بینی شاخص قیمت سهام در بازار سرمایه ایران و مقایسه توان پیش بینی مدل های خطی و غیرخطی

سری های زمانی بسیار پیچیده مانند قیمت های بازار سهام، معمولاً تصادفی بوده، در نتیجه، تغییرات آنها غیرقابل پیش بینی فرض می شود. در بیشتر موارد در بررسی مشاهدات آماری مربوط به متغیرهای اقتصادی از جمله قیمت بازار سهام، از آزمون هایی استفاده شده است که در مواجهه با داده های آشوبی به اشتباه افتاده و آنها را داده های تصادفی تشخیص داده اند، در حالی که این داده ها در واقع، از مقام-های معینی به وجود می آیند که با اختلالاتی جزیی همراه می باشند. به همین دلیل آزمون های پیش بینی پذیری و غیرخطی برای بررسی وجود روند آشوبی معین و فرآیندهای غیرخطی در سری زمانی شاخص روزانه سهام بازار اوراق بهادار تهران در بازه زمانی 1/8/1379 تا 2/7/1386مورد استفاده قرار داده ایم که از جمله می توان به آزمون هایhurst،bds، تسلسل و بعد همبستگی اشاره نمود که نتایج به دست آمده نشان دهنده پیش بینی پذیری و وجود روند غیرخطی در داده های مورد بررسی بوده است. پس از حصول اطمینان از پیش بینی پذیری و وجود روند غیرخطی در داده های شاخص روزانه سهام، جهت ارایه مدل مناسب برای پیش بینی شاخص قیمت سهام، مدل های سری زمانی خطی (ar) و غیرخطی (garch)و شبکه عصبی مصنوعی (ann) برآورد کرده، سپس، نتایج به دست آمده از پیش بینی توسط این مدل ها را با استفاده از معیارهایcdc، rmse، mae، mape و آمارهu – theil مورد مقایسه قرار داده ایم. نتایج به دست آمده از مقایسه توان پیش بینی این مدل ها بیانگر توان بالای پیش بینی در مدل های شبکه عصبی مصنوعی نسبت به مدل های دیگر است.