توسعه مدل سازی و پیش بینی سری های زمانی مالی نامانا، مطالعه موردی: شرکت ایران خودرو
Publish place: سومین کنفرانس بین المللی مدیریت و اقتصاد
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 579
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MCED03_398
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
از عوامل مهم در تصمیم های سرمایه گذاران، رویدادهای ناگهانی اقتصادی و سیاسی است که در زمان خرید و فروش سهام بر تصمیم گیری ها تاثیر می گذارد و قیمت های سهام را درجهت مطلوب یا نامطلوب تغییر می دهد. مهم ترین نکته این است که کدام یک از روش های پیش بینی می تواند دراعمال تصمیم بهینه به مدیران و تصمیم گیرندگان بخش های اقتصادی و بازرگانی کمک کند. در اغلب مطالعات صورت گرفته تاکنون برای پیش بینی سری های زمانی از روش های کلاسیک AR ، مدلMA ، مدل های ARMA و مدل های ARIMA برای پیش بینی سری های زمانی استفاده شده است.در صورتی که در عمل بسیاری از سری های زمانی نامانا با داده های پرت و آلوده می باشند. به همین دلیل در این تحقیق از روش هالت-وینترز با الگوریتم استوار برای پیش بینی سری زمانی نامانا استفادهمی شود. به منظور اعتبار سنجی روش، ارزش سهام شرکت ایران خودرو به صورت روزانه از سال 1393 تا 1395 مورد مطالعه قرار گرفته است و با روش پیشنهادی مقادیر آینده ارزش سهام به مدت 11دوره پیش بینی می شود. نتایج حاکی از آن است که روش پیشنهادی در مقایسه با روش ARIMA خطای پیش بینی کمتری دارد و با توجه به روندهای کاهشی و افزایشی در داده ها به واقعیت نزدیک است.
Keywords:
Authors
مریم نژادافراسیابی
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی
سیدبابک ابراهیمی
استادیار دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی
محمدمهدی فکور
دانشجوی کارشناسی مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :