فهرست نشریات علمی دسترسی آزاد ایران

در سال‌های اخیر، مدل‌های آماری سری‌های زمانی به‌ویژه مدل ARIMA به‌عنوان یکی از ابزارهای کارآمد در پیش‌بینی قیمت سهام موردتوجه قرار گرفته‌اند. با وجود دقت قابل‌قبول این مدل، حساسیت آن نسبت به تعداد داده‌های تاریخی یکی از چالش‌های مهم در کاربردهای واقعی محسوب می‌شود. در این پژوهش، با هدف افزایش دقت و پایداری پیش‌بینی، مدلی جدید تحت عنوان RARIM مبتنی بر مدل ARIMA معرفی شده است. در این مدل از رویکرد Fast-learning Reset برای کاهش تأثیر انتخاب طول تاریخچه داده‌ها استفاده شده است. داده‌های قیمتی مربوط به ۱۸ شرکت از چهار صنعت فولاد، پتروشیمی، بانک و خودرو در بازه زمانی فروردین ۱۳۹۷ تا دی ۱۴۰۲ مورد تحلیل قرار گرفتند. برای ارزیابی عملکرد مدل، از شاخص خطای نسبی میانگین و روش رتبه‌بندی TOPSIS جهت مقایسه دقت پیش‌بینی در بازه‌های زمانی کوتاه‌مدت و بلندمدت استفاده شد. نتایج نشان داد مدل RARIMA توانسته است دقت پیش‌بینی را در مقایسه با مدل ARIMA به‌طور میانگین تا ۷۵% بهبود دهد و حساسیت مدل نسبت به طول داده‌های تاریخی را به‌طور چشمگیری کاهش دهد. بر اساس نتایج، مدل پیشنهادی می‌تواند به‌عنوان ابزاری کارآمد برای تحلیلگران مالی و تصمیم‌گیرندگان در بازار سرمایه مورداستفاده قرار گیرد.