مقايسه مدل‌هاي‌ رشد لجستيكي با مدل‌هاي رقيب در پيش‌بيني شاخص كل بورس اوراق بهادار تهران

هدف: هدف اصلي اين مطالعه مقايسه مدل‌هاي رشد لجستيكي هاروي، هاروي، شبكه عصبي غيرخطي اتورگرسيو و طراحي و يافتن مدلي بهينه با دقت پيش‌بيني بهتر براي داده‌هاي شاخص كل بورس تهران است كه اين مدل وابستگي زيادي به مقادير گذشته خود دارد، پرنوسان است و روند حركتي غيرخطي دارد كه تاكنون مغفول مانده است. روش: در اين پژوهش با به‌كارگيري مدل‌هاي رشد «لجستيك هاروي» و «هاروي» و افزودن جزء غيرخطي بر اساس بسط سري تيلور توابع مثلثاتي روي داده‌هاي روزانه مربوط به سال‌هاي 1393 تا 1395، نوسان‎هاي شاخص كل بورس به چهار گروه دسته‌بندي شدند و ضمن مشخص‎شدن كارآمدي اين مدل‌ها بر اساس معيارهاي پيش‌بيني، نتايج آن با شبكه عصبي غيرخطي اتورگرسيو ارزيابي و مقايسه شد. يافته‌ها: نتيجۀ آزمون‌هاي ريشه واحد ديكي فولر و BDS بيان‎كننده اين است كه داده‌ها مانا هستند و رفتار غيرخطي دارند. در مرحله برآورد، از آنجا كه مدل‌هاي لجستيك ‌هاروي و هاروي ريشه ميانگين مربعات خطاي بالا و ضريب تعيين كم داشتند، خوبي برازش آنها در هر چهار نوع داده تأييد نشد. با افزودن جزء غيرخطي به مدل هاروي برازش بسيار مناسبي از شاخص كل بورس با ضريب تعيين حداقل 8/99درصد و حداقل ريشه ميانگين مربعات خطا ب‌‎دست آمد كه حتي در مقايسه با شبكه عصبي غيرخطي اتورگرسيو بهتر بود. نتيجه‌گيري: نتايج پژوهش نشان مي‌دهد كه تركيب مدل هاروي با جزء غيرخطي، در مقايسه با دو مدل رشد لجستيكي هاروي و شبكه عصبي غيرخطي اتورگرسيو، شاخص كل بورس تهران را بهتر پيش‌بيني مي‌كند.