ارائه مدل ترکیبی برای پیش بینی نوسانات قیمت جهانی طلا با استفاده از مدل های واریانس ناهمسانی شرطی خودرگرسیونی و الگوریتم های رگرسیون یادگیری ماشین

پیش بینی تلاطم یکی از مهم ترین موضوعات مورد مطالعه در بازارهای مالی دنیا است. تلاطم به عنوان یک عامل موثر در تعیین ریسک سرمایه گذاری می تواند نقش مهمی در تصمیم گیری سرمایه گذاران ایفا کند. یک تخمین مناسب از تلاطم قیمت طلا در یک دوره سرمایه گذاری نقطه آغازین بسیار مهمی در کنترل ریسک سرمایه گذاری است. تعیین مدلی که پیش بینی بهتری از نوسانات قیمتی در زمینه سرمایه گذاری بدهد، از حوزه های مورد بحث در ادبیات مالی است. در سال های اخیر به دلیل رکود در کشورهای غربی و به تبع آنها در دیگر کشورها دارایی هایی از قبیل طلا مورد استقبال سرمایه گذاران قرار گرفت. این افزایش تقاضا باعث افزایش قیمت طلا گردید. به دنبال آن خرید و فروش در بازار طلا افزایش یافت. این افزایش در معاملات باعث بروز نوسانات شدیدی در این بخش شد. از آنجا که نوسان بازده یکی از عوامل اثرگذار در سرمایه گذاری است، بدین منظور استفاده از مدلی برای پیش بینی نوسانات ضروری به نظر می رسد. در این تحقیق ابتدا سری زمانی بازده قیمت طلا تحت آزمون های مختلف بررسی شد. سپس مدل خود همبسته میانگین متحرک طلا با در نظر گرفتن متغیرهای مستقل قیمت نفت، نرخ تبدیل یورو به دلار، شاخصS&P۵۰۰، شاخص داوجونز، فلز نقره، مس، پلاتین و پلادیوم تشکیل شد و تعداد قابل توجهی از مدل های واریانس ناهمسانی شرطی خودرگرسیو برای پیش بینی نوسانات بازده ی طلا اعمال شدند و با استفاده از توابع خطای پیش بینی RMSE و MAE وTheil مورد مقایسه قرار گرفتند و در نهایت خروجی مدل های خانواده GARCH به عنوان متغیرهای ورودی مدل رگرسیون خطی و جنگل تصادفی قرار گرفتند نتایج پژوهش حاکی از آن است که مدل های ترکیبی خطای پیش بینی را کمینه می کند و استفاده از این روش جنگل تصادفی باعث می شود تا سهم هر یک از مدل های خانواده GARCH در پیش بینی نوسانات طلا مشخص شود.

کلیدواژه ها:

بازده قیمت طلا ، مدل های خانواده GARCH ، رگرسیون خطی ، جنگل تصادفی ، پیش بینی نوسانات