توسعه مدل سازی و پیش بینی سری های زمانی مالی نامانا، مطالعه موردی: شرکت ایران خودرو

از عوامل مهم در تصمیم های سرمایه گذاران، رویدادهای ناگهانی اقتصادی و سیاسی است که در زمان خرید و فروش سهام بر تصمیم گیری ها تاثیر می گذارد و قیمت های سهام را درجهت مطلوب یا نامطلوب تغییر می دهد. مهم ترین نکته این است که کدام یک از روش های پیش بینی می تواند دراعمال تصمیم بهینه به مدیران و تصمیم گیرندگان بخش های اقتصادی و بازرگانی کمک کند. در اغلب مطالعات صورت گرفته تاکنون برای پیش بینی سری های زمانی از روش های کلاسیک AR ، مدلMA ، مدل های ARMA و مدل های ARIMA برای پیش بینی سری های زمانی استفاده شده است.در صورتی که در عمل بسیاری از سری های زمانی نامانا با داده های پرت و آلوده می باشند. به همین دلیل در این تحقیق از روش هالت-وینترز با الگوریتم استوار برای پیش بینی سری زمانی نامانا استفادهمی شود. به منظور اعتبار سنجی روش، ارزش سهام شرکت ایران خودرو به صورت روزانه از سال 1393 تا 1395 مورد مطالعه قرار گرفته است و با روش پیشنهادی مقادیر آینده ارزش سهام به مدت 11دوره پیش بینی می شود. نتایج حاکی از آن است که روش پیشنهادی در مقایسه با روش ARIMA خطای پیش بینی کمتری دارد و با توجه به روندهای کاهشی و افزایشی در داده ها به واقعیت نزدیک است.

کلیدواژه ها:

پیش بینی ارزش سهام ، سری زمانی نامانا ، روش کلاسیک ، هالت-وینترز ، الگوریتم استوار