پیش بینی بازدهی شاخص صنعت پتروشیمی در بورس اوراق بهادار تهران با استفاده از مدل های ARIMA و ARFIMA
عنوان مقاله: پیش بینی بازدهی شاخص صنعت پتروشیمی در بورس اوراق بهادار تهران با استفاده از مدل های ARIMA و ARFIMA
شناسه ملی مقاله: JR_JAES-6-17_002
منتشر شده در در سال 1395
شناسه ملی مقاله: JR_JAES-6-17_002
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:
محسن اشراقی - دانشجوی کارشناسی ارشد اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات
فرهاد غفاری - دانشیار اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران
تیمور محمدی - دانشیار اقتصاد، دانشگاه علامه طباطبایی
خلاصه مقاله:
محسن اشراقی - دانشجوی کارشناسی ارشد اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات
فرهاد غفاری - دانشیار اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران
تیمور محمدی - دانشیار اقتصاد، دانشگاه علامه طباطبایی
پیش بینی متغیرهای اقتصادی از اهمیت ویژه ای در مباحث اقتصادی برخوردار است و مدل های مختلفی جهت پیش بینی مقادیر آتی متغیرها به وجود آمده اند. یکی از مهمترین کارکردهای مدل های اقتصادی، پیش بینی مقادیر آتی متغیرهای اقتصادی می باشد. در حقیقت مدل های اقتصادی را می توان از طریق بررسی میزان دقت پیش بینی مورد آزمون قرار داد. بدین صورت که اگر یک مدل اقتصادی در تبیین روابط موجود بین متغیرها موفق باشد، باید بتواند پیش بینی صحیحی از آینده متغیرها نیز ارائه نماید. هدف اصلی این مقاله پیش بینی بازدهی شاخص یکی از مهمترین و تاثیرگذارترین صنایع کشور،صنعت پتروشیمی، است. نتایج آماری وجود حافظه بلندمدت در بازدهی این صنعت را تایید می کنند، لذا برای پیش بینی شاخص صنعت پتروشیمی از دو مدل اقتصادسنجی شامل ARFIMA و ARIMA استفاده شده است. به طوریکه، مدل ARFIMA با در نظر گرفتن حافظه بلندمدت و مدل ARIMA بدون در نظر گرفتن حافظه بلندمدت مدنظر قرار گرفتند. ارزیابی میزان دقت پیش بینی دو مدل مذکور با استفاده از داده های روزانه شاخص صنعت پتروشیمی در بوررس اوراق بهادار تهران در بازه زمانی ۲۴/۰۳/۱۳۸۴ الی ۲۵/۰۵/ ۱۳۹۴نشان می دهد که با تفاوت اندکی مدل ARFIMA بهتر از مدل ARIMA عمل کرده است، ولی با توجه به مشکلات برآورد ضرایب مدل ARFIMA و سادگی مدل ARIMA، این تفاوت اندک قابل چشم پوشی است و می توان از مدل ARIMA برای پیش بینی بازدهی صنعت پتروشیمی استفاده کرد.
کلمات کلیدی: پیش بینی, میانگین متحرک خودهمبسته, میانگین متحرک خودهمبسته جزئی, صنعت پتروشیمی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1324610/