کاربرد ترکیبی مدل State Spaceدر فرم ARIMAو روش شبیه سازی مونت کارلوبرای پیش بینی شاخص تپیکس
محورهای موضوعی : دانش مالی تحلیل اوراق بهادارعقیق فرهادی چشمه مرواری 1 , فرهاد غفاری 2
1 - دانش آموخته کارشناسی ارشد رشته علوم اقتصادی ، دانشکده مدیریت و اقتصاد ، دانشگاه آزاد اسلامی ، واحد علوم تحقیقات تهران
2 - استادیار ، دانشکده مدیریت و اقتصاد ، دانشگاه آزاد اسلامی ، واحد علوم تحقیقات تهران
کلید واژه: State Space, شبیه سازی مونت کارلو, دقت پیش بینی, کارآیی,
چکیده مقاله :
در این مطالعه به بررسی و تخمین پارامترها با استفاده از مدل State Space در فرم ARIMAپرداخته می‌شود . سپس با استفاده از پارامترهای تخمین زده شده و روش شبیه سازی مونت کارلو به عنوان ابزاری برای افزایش دقت پیش بینی فرآیندهای تصادفی، به پیش بینی برای کوتاه مدت، میان مدت و بلند مدت برای شاخص تپیکس پرداختیم که شامل 739 داده روزانه مربوط به 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و نیز داده های 1 اسفند 1392 تا 30 اردیبهشت 1393 به عنوان برون داده بود . نتایج حاکی از این بود که داده های بازار سهام تهران از کارآیی کافی به منظور پیش بینی نسبی آنها برخوردار بودند و نشان دادیم که ترکیب مدل State Space در فرم ARIMA و روش شبیه سازی مونت کارلو می تواند به عنوان یک الگوریتم پیش بینی کننده برای شاخص تپیکس و سایر شاخص های مشابه از نظر ماهیتی، پیشنهاد شود.
In this study, we estimated the parameters using the State Space model described inARIMA form. We’ve also used the Monte Carlo Method for simulating the process in10000 reputations. Then the estimated parameters and the Monte Carlo simulationmethod are used to forecast TEPIX index, including 739 observations as an in-sampledata from 21th of January 2011 to 19th February 2014 and 59 observations from 20thFebruary 2014 to 21th May 2014 as an out of sample data . Furthermore, For moreinvestigation we’ve considered different horizons of forecasting, short-term (equal to 1week), mid-term (equal to 1 month) and long term (equal to 3 month). The results showedthat Tehran stock market data has enough efficiency to forecast them, and showed that theState Space in Form ARIMA model and the Monte Carlo simulation method can be usedas a predictive algorithm for TEPIX index and other indices with similar nature.
