پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران با به کارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فاری

تحقیق حاضرباهدف پیش بینی شاخص قیمت سهام به عنوان مهم ترین ابزار شناسایی بورس اوراق بهادار وکمک به سرمایه گذاران و تصمیم گیرندگان جهت کاهش ریسک ناشی ازسرمایه گذاری بااستفاده ازنتایج تحقیق انجام شده است. امروزه به علت عدم قطعیت محیط وتوسعه سریع تکنولوژی نوین معمولا باید موقعیت های آینده را بااستفاده از داده های کم و دربازه زمانی کوتاه مدت پیش بینی کرد.بنابراین به روش هایی برای پیش بینی نیازاست که به داده های کمتری احتیاج داشته باشد، چراکه مدل های کمی پیش بینی همچون اریما، دارای محدودیت تعددداده های گذشته است، مدل های پیش بینی فازی، مدل هایی مناسب درشرایط پیش بینی همچون اریما، دارای محدودیت تعدادداده های گذشته است. مدل های پیش بینی فازی، مدل هایی مناسب درشرایط پیش بینی باداده های کم می باشد، استفاده از مدل های ترکیبی یاترکیب مدل های مختلف یک راه معمول به منظورمرتفع نمودن محدودیت های مدل های تکی وبهبوددقت پیش بینی هامی باشد، لذادراین تحقیق به منظوربه طرف نمودن محدودیت داده درمدل های میانگین متحرک خودرگرسیون انباشته کلاسیک وحصول مدل دقیق تردرپیش بینی سری های زمانی، مدل ترکیبی میانگین متحرک خود رگرسیون انباشته بامنطق فازی ( FARIMA) به منظور پیش بینی پیشنهادشده است.نتایج حاصله بیانگر کارآمدی روش پیشنهادی ترکیبی درپیش بینی شاخص قیمت سهام بورس اوراق بهادار تهران می باشد.

پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران با به کارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فاری Keywords:

پیش بینی , شاخص قیمت سهام بورس اوراق بهادارتهران , سری زمانی , مدل ARIMA