پیش بینی بازدهی شاخص صنعت پتروشیمی در بورس اوراق بهادار تهران با استفاده از مدل های ARIMA و ARFIMA
محل انتشار: فصلنامه اقتصاد کاربردی، دوره: 6، شماره: 19
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 230
فایل این مقاله در 12 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:
JR_JAES-6-17_002
تاریخ نمایه سازی: 9 آذر 1400
چکیده مقاله:
پیش بینی متغیرهای اقتصادی از اهمیت ویژه ای در مباحث اقتصادی برخوردار است و مدل های مختلفی جهت پیش بینی مقادیر آتی متغیرها به وجود آمده اند. یکی از مهمترین کارکردهای مدل های اقتصادی، پیش بینی مقادیر آتی متغیرهای اقتصادی می باشد. در حقیقت مدل های اقتصادی را می توان از طریق بررسی میزان دقت پیش بینی مورد آزمون قرار داد. بدین صورت که اگر یک مدل اقتصادی در تبیین روابط موجود بین متغیرها موفق باشد، باید بتواند پیش بینی صحیحی از آینده متغیرها نیز ارائه نماید. هدف اصلی این مقاله پیش بینی بازدهی شاخص یکی از مهمترین و تاثیرگذارترین صنایع کشور،صنعت پتروشیمی، است. نتایج آماری وجود حافظه بلندمدت در بازدهی این صنعت را تایید می کنند، لذا برای پیش بینی شاخص صنعت پتروشیمی از دو مدل اقتصادسنجی شامل ARFIMA و ARIMA استفاده شده است. به طوریکه، مدل ARFIMA با در نظر گرفتن حافظه بلندمدت و مدل ARIMA بدون در نظر گرفتن حافظه بلندمدت مدنظر قرار گرفتند. ارزیابی میزان دقت پیش بینی دو مدل مذکور با استفاده از داده های روزانه شاخص صنعت پتروشیمی در بوررس اوراق بهادار تهران در بازه زمانی ۲۴/۰۳/۱۳۸۴ الی ۲۵/۰۵/ ۱۳۹۴نشان می دهد که با تفاوت اندکی مدل ARFIMA بهتر از مدل ARIMA عمل کرده است، ولی با توجه به مشکلات برآورد ضرایب مدل ARFIMA و سادگی مدل ARIMA، این تفاوت اندک قابل چشم پوشی است و می توان از مدل ARIMA برای پیش بینی بازدهی صنعت پتروشیمی استفاده کرد.
کلیدواژه ها:
نویسندگان
محسن اشراقی
دانشجوی کارشناسی ارشد اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات
فرهاد غفاری
دانشیار اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران
تیمور محمدی
دانشیار اقتصاد، دانشگاه علامه طباطبایی
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 :