كاربرد تركيبي مدل State Spaceدر فرم ARIMAو روش شبيه سازي مونت كارلوبراي پيش بيني شاخص تپيكس

Combined Application of State Space in ARIMA Form Model and Monte Carlo Simulation Method to Forecast TEPIX Index

در اين مطالعه به بررسي و تخمين پارامترها با استفاده از مدل State Space در فرم ARIMAپرداخته مي‌شود . سپس با استفاده از پارامترهاي تخمين زده شده و روش شبيه سازي مونت كارلو به عنوان ابزاري براي افزايش دقت پيش بيني فرآيندهاي تصادفي، به پيش بيني براي كوتاه مدت، ميان مدت و بلند مدت براي شاخص تپيكس پرداختيم كه شامل 739 داده روزانه مربوط به 1 بهمن سال 1389 تا 30 بهمن سال 1392 به عنوان درون داده و نيز داده هاي 1 اسفند 1392 تا 30 ارديبهشت 1393 به عنوان برون داده بود . نتايج حاكي از اين بود كه داده هاي بازار سهام تهران از كارآيي كافي به منظور پيش بيني نسبي آنها برخوردار بودند و نشان داديم كه تركيب مدل State Space در فرم ARIMA و روش شبيه سازي مونت كارلو مي تواند به عنوان يك الگوريتم پيش بيني كننده براي شاخص تپيكس و ساير شاخص هاي مشابه از نظر ماهيتي، پيشنهاد شود.

In this study, we estimated the parameters using the State Space model described in ARIMA form. We’ve also used the Monte Carlo Method for simulating the process in 10000 reputations. Then the estimated parameters and the Monte Carlo simulation method are used to forecast TEPIX index, including 739 observations as an in-sample data from 21th of January 2011 to 19th February 2014 and 59 observations from 20th February 2014 to 21th May 2014 as an out of sample data . Furthermore, For more investigation we’ve considered different horizons of forecasting, short-term (equal to 1 week), mid-term (equal to 1 month) and long term (equal to 3 month). The results showed that Tehran stock market data has enough efficiency to forecast them, and showed that the State Space in Form ARIMA model and the Monte Carlo simulation method can be used as a predictive algorithm for TEPIX index and other indices with similar nature.