پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران با به کارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فاری
محل انتشار: کنفرانس ملی حسابداری و مدیریت
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 512
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCFIN01_138
تاریخ نمایه سازی: 30 دی 1394
چکیده مقاله:
تحقیق حاضرباهدف پیش بینی شاخص قیمت سهام به عنوان مهم ترین ابزار شناسایی بورس اوراق بهادار وکمک به سرمایه گذاران و تصمیم گیرندگان جهت کاهش ریسک ناشی ازسرمایه گذاری بااستفاده ازنتایج تحقیق انجام شده است. امروزه به علت عدم قطعیت محیط وتوسعه سریع تکنولوژی نوین معمولا باید موقعیت های آینده را بااستفاده از داده های کم و دربازه زمانی کوتاه مدت پیش بینی کرد.بنابراین به روش هایی برای پیش بینی نیازاست که به داده های کمتری احتیاج داشته باشد، چراکه مدل های کمی پیش بینی همچون اریما، دارای محدودیت تعددداده های گذشته است، مدل های پیش بینی فازی، مدل هایی مناسب درشرایط پیش بینی همچون اریما، دارای محدودیت تعدادداده های گذشته است. مدل های پیش بینی فازی، مدل هایی مناسب درشرایط پیش بینی باداده های کم می باشد، استفاده از مدل های ترکیبی یاترکیب مدل های مختلف یک راه معمول به منظورمرتفع نمودن محدودیت های مدل های تکی وبهبوددقت پیش بینی هامی باشد، لذادراین تحقیق به منظوربه طرف نمودن محدودیت داده درمدل های میانگین متحرک خودرگرسیون انباشته کلاسیک وحصول مدل دقیق تردرپیش بینی سری های زمانی، مدل ترکیبی میانگین متحرک خود رگرسیون انباشته بامنطق فازی ( FARIMA) به منظور پیش بینی پیشنهادشده است.نتایج حاصله بیانگر کارآمدی روش پیشنهادی ترکیبی درپیش بینی شاخص قیمت سهام بورس اوراق بهادار تهران می باشد.
نویسندگان
فاطمه جعفری ندوشن
کارشناس ارشد مدیریت مالی ،دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد
فاطمه سعادت
کارشناس ارشد مدیریت مالی دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد
علیرضا رضائی
کارشناس ارشد حسابداری دانشگاه آزاد اسلامی واحد یزد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :