كاربرد حركت براوني در پيش بيني قيمت سهام در مقايسه با روش ARIMA

كاربرد حركت براوني در پيش بيني قيمت سهام در مقايسه با روش ARIMA

دليل اصلي كه مردم در بازار سهام سرمايه گذاري مي كنند، بدست آوردن سود است كه لازمه آن داشتن اطلاعات درست از بازار و تغييرات سهام و پيش بيني روند آينده آن است. بنابراين سرمايه گذار نيازمند ابزارهاي لازم قدرتمند و قابل اعتماد است كه از طريق آن به پيش بيني قيمت سهام بپردازد. در همين راستا در تحقيق حاضر به بررسي پيش بيني قيمت سهام بر اساس معيارهاي ميانگين مربع خطا MSE ، ميانگين قدر مطلق انحراف MAE و ريشه ميانگين مربع خطاها RMSE پرداخته شده است تا در نهايت روش هاي مورد بررسي در اين تحقيق با يكديگر مقايسه شده و روش برتر براي پيش بيني قيمت سهام شناسايي شود. براي اين منظور از داده هاي 50 شركت برتر بورس كه هر سه ماه توسط سازمان بورس معرفي مي شوند، طي دوره زماني 1391 تا 1397 استفاده شده است. به منظور آزمون فرضيات تحقيق، از روش براوني و روش ARIMA بهره گيري شده كه كليه تجزيه و تحليل ها با نرم افزارهاي اكسل، Eviews10 و matlab انجام شده است. يافته هاي تحقيق نشان مي دهد كه مدل برواني قيمت سهام را دقيق‌تر از روش ARIMA پيش‌بيني مي‌كند.

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.