مقایسه دقت مدل های فراابتکاری و اقتصادسنجی در پیش بینی سری-های زمانی مالی دارای حافظه بلندمدت (مطالعه ی موردی؛ شاخص سهام صنعت سیمان در ایران)
- سال انتشار: 1390
- محل انتشار: فصلنامه تحقیقات مالی، دوره: 13، شماره: 31
- کد COI اختصاصی: JR_JFR-13-31_001
- زبان مقاله: فارسی
- تعداد مشاهده: 174
نویسندگان
استادیار دانشکده مهندسی صنایع دانشگاه علم و صنعت، ایران
دانشجوی دکترای مهندسی صنایع، دانشگاه علم و صنعت، ایران
دانشجوی دکترای مدیریت مالی دانشگاه تهران، ایران
کارشناسی ارشد مهندسی و مدیریت ساخت دانشگاه علم و صنعت، ایران
چکیده
داده های با تناوب بالا نوع خاصی از نامانایی دارند که به آن نامانایی کسری گفته می شود. این ویژگی سبب پدیدآمدن حافظه بلندمدت در سری های زمانی مالی با تناوب بالا می شود. در این نوشتار ابتدا وجود حافظه بلندمدت در سری زمانی صنعت سیمان بررسی شده و وجود آن در سطح اطمینان بالایی توسط دو آزمون R/S و GPH تایید می شود. در ادامه، دقت مدل های پیش بینی سری های زمانی مالی نظیر، ARMA و GARCH که ویژگی حافظه بلندمدت را در مدل سازی سری زمانی در نظر نمی گیرند و مدل هایی مثل ARFIMA و FIGARCH، که این ویژگی را مدنظر قرار می دهند، با روش نوین فراابتکاری ارایه شده که ترکیبی از الگوریتم جستجوی هارمونی و سری های زمانی فازی وزن دار می-باشد به روش پنجره غلتان و با استفاده از معیار ریشه میانگین توان دوم خطاها (RMSE) در بازه های زمانی مختلف مورد مقایسه قرار می گیرد. نتایج حاصل نشان می دهند که روش فراابتکاری ارایه شده در تمامی بازه های زمانی نتیجه بهتری از مدل های متداول اقتصادسنجی ارایه می دهد.کلیدواژه ها
بازده, تلاطم, جستجوی هارمونی, حافظه بلندمدتاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.