کاربرد حرکت براونی در پیش بینی قیمت سهام در مقایسه با روش ARIMA

محورهای موضوعی : مهندسی مالی

فرهاد کریمی اصل ¹ , علی سعیدی ² , حیدر فروغ نژاد ³ , محمد خدائی وله زاقرد ⁴

1 - گروه مدبربت مالی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مدبربت مالی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه مدبربت مالی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
4 - گروه مدبربت مالی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران

تاریخ دریافت : 1399/09/01 تاریخ پذیرش : 1399/10/27 تاریخ انتشار : 1400/10/01

کلید واژه: قیمت سهام, پیش بینی, حرکت براونی, روش ARIMA,

چکیده مقاله :

دلیل اصلی که مردم در بازار سهام سرمایه گذاری می کنند، بدست آوردن سود است که لازمه آن داشتن اطلاعات درست از بازار و تغییرات سهام و پیش بینی روند آینده آن است. بنابراین سرمایه گذار نیازمند ابزارهای لازم قدرتمند و قابل اعتماد است که از طریق آن به پیش بینی قیمت سهام بپردازد. در همین راستا در تحقیق حاضر به بررسی پیش بینی قیمت سهام بر اساس معیارهای میانگین مربع خطا MSE ، میانگین قدر مطلق انحراف MAE و ریشه میانگین مربع خطاها RMSE پرداخته شده است تا در نهایت روش های مورد بررسی در این تحقیق با یکدیگر مقایسه شده و روش برتر برای پیش بینی قیمت سهام شناسایی شود. برای این منظور از داده های 50 شرکت برتر بورس که هر سه ماه توسط سازمان بورس معرفی می شوند، طی دوره زمانی 1391 تا 1397 استفاده شده است. به منظور آزمون فرضیات تحقیق، از روش براونی و روش ARIMA بهره گیری شده که کلیه تجزیه و تحلیل ها با نرم افزارهای اکسل، Eviews10 و matlab انجام شده است. یافته های تحقیق نشان می دهد که مدل بروانی قیمت سهام را دقیق‌تر از روش ARIMA پیش‌بینی می‌کند.

چکیده انگلیسی:

The main reason that people invest in the stock market is to earn profits that require having accurate market information and stock changes and predicting its future trend. Therefore, the investor needs the powerful and reliable tools needed to predict stock prices. In this regard, the present study investigates stock price forecasts based on MSE mean square error, mean absolute deviation MAE and root mean square error RMSE. Finally, the methods investigated in this study are compared and identify the top method to predict stock prices. For this purpose, the data of the top 50 stock exchange companies, which are quarterly presented by the stock exchange organization, were used during the period 2012-2018. In order to test the research hypotheses, linear regression method, Brownian method and ARIMA method were used. The research findings show that the Brownian model predicts stock prices more accurately than the ARIMA method. It was also observed that linear statistical ARIMA models are less efficient in the financial markets than the brownian methods.