محبوبه فاطمی - کارشناس ارشد حسابداری، عضو هیات علمی موسسه آموزش عالی عطار،

پیش بینی صحیح شاخص سهام برای تصمیمات تجاری بازارهای در حال توسعه امری مهم است و از آنجایی که بازار سهام بازاری بی نظم، پویا و پیچیده است لذا گسترش مدلهای پیش بینی شاخص در این بازارها بسیار احساس می شود. در این تحقیق به پیش بینی شاخص سهام با استفاده از مدلهای CART و LARS پرداخته شده است. روشهای ناپارامتریک زیادی مثل شبکه های عصبی مصنوعی، الگوریتمهای ژنتیک و لوجیک فازی برای مبادلات الگوریتمیک وجود دارد. مدلهای ناپارامتریک نسبت به روشهای آماری و پارامتریک بهتر بوده اند هر چند که آنها دارای نقاط ضعف و قوت متفاوتی می باشند مدل CART یکی از این مدلها بوده که دارای مزایای زیادی نسبت به سایر مدلهای ناپارامتریک می باشد. الگوریتم LARS نیزعملکرد پیش بینی کنندگی خوبی را در زمینه های کاربردی مختلف دارد. بنابراین در این مقاله با توجه اهمیت استفاده از این روشها در بخش مالی، توانایی دو مدل CART , LARS جهت پیش بینی شاخص مورد بررسی قرار گرفت.

پیش بینی شاخص سهام، درخت تصمیم( CART) ۱، تخمینگر حداقل زاویه(LARS) ۲