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
Publish place: National Conference on Accounting and Management
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 510
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCFIN01_138
تاریخ نمایه سازی: 30 دی 1394
Abstract:
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.
Authors
فاطمه جعفری ندوشن
کارشناس ارشد مدیریت مالی ،دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد
فاطمه سعادت
کارشناس ارشد مدیریت مالی دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد
علیرضا رضائی
کارشناس ارشد حسابداری دانشگاه آزاد اسلامی واحد یزد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :