کاربرد معادلات دیفرانسیل تصادفی در پیش بینی رفتار قیمت سهام
نویسندگان
1 استادیار، گروه اقتصاد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلیسینا، همدان، ایران، hosseinidousd@basu.ac.ir
2 دانشجوی دکتری، گروه اقتصاد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلیسینا، همدان، ایران، behrouzpiriiranshahi@gmail.com
3 استادیار، گروه اقتصاد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلیسینا، همدان، ایران (نویسنده مسئول)، d.jafariseresht@basu.ac.ir
4 دانشیار، گروه اقتصاد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلیسینا، همدان، ایران، a.gholizadeh@basu.ac.ir
doi
https://doi.org/10.71849/ECO.2024.1129153چکیده
چکیده هدف این مقاله بررسی کارایی مدلهای معادلات دیفرانسیل تصادفی در پیشبینی قیمت سهام است. برای ارزیابی دقت این مدلها، یک مطالعه مقایسهای بین این مدلها و مدلهای سری زمانی متداول انجام شده است. در این حوزه، مدلهای حرکت براونی هندسی و هستون بررسی شده¬اند. برای این مقاله از بین نمادهای حاضر در بورس تهران به¬صورت موردی به بررسی سهام بانک ملت در نماد وبملت پرداخته شده است؛ بدین منظور مقاله روی دادههای تعدیل شده قیمت این سهام از ابتدای سال 1394 تا ابتدای سال 1402 صورت گرفته است. قبل از مدلسازی قیمت سهام و انجام پیشبینی، احتمال وجود الگوهای تکرارشونده و خودشبیه در روند حرکت قیمت سهام بررسی شده است. نتایج نشان میدهند که سهام بانک ملت دارای حافظه بلندمدت است که باعث میشود پیشبینی رفتارش تا حدودی امکان پذیر باشد. در ادامه پیشبینی قیمت سهام برای نماد وبملت انجام شده است و یافتههای تحقیق نشان میدهند که مدل دیـفـرانسـیل تصادفی هـستـون براساس اکثر معیارهای ارزیابی پــسآزمـون، عملکرد بهتری در پیشبینی قیمت سهام دارد؛ به¬طوری که این مدل تنها 64/4 صدم درصد خطای مطلق را در پیشبینیها نشان داد. مدل سری زمانی AR نیز با این فرض کلیدی که الگوهای گذشته در آینده نیز تکرار میشوند، عملکرد قابل قبولی داشته است. این فرضیه با وجود حافظه بلندمدت و پایداری در شاخص کل همخوانی دارد و باعث میشود که مدل AR بعد از مدل هستون، در جایگاه دوم معیارهای ارزیابی قرار گیرد. بنابر نتایج به¬دست آمده مدلهای معادلات دیفرانسیل تصادفی مدلهای کارآمدی برای مدلسازی و پیشبینی قیمت سهام هستند.