ارائه مدلی جدید بر پایه مدل ARIMA در پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران

در سال های اخیر، مدل های آماری سری های زمانی به ویژه مدل ARIMA به عنوان یکی از ابزارهای کارآمد در پیش بینی قیمت سهام موردتوجه قرار گرفته اند. با وجود دقت قابل قبول این مدل، حساسیت آن نسبت به تعداد داده های تاریخی یکی از چالش های مهم در کاربردهای واقعی محسوب می شود. در این پژوهش، با هدف افزایش دقت و پایداری پیش بینی، مدلی جدید تحت عنوان RARIM مبتنی بر مدل ARIMA معرفی شده است. در این مدل از رویکرد Fast-learning Reset برای کاهش تاثیر انتخاب طول تاریخچه داده ها استفاده شده است. داده های قیمتی مربوط به ۱۸ شرکت از چهار صنعت فولاد، پتروشیمی، بانک و خودرو در بازه زمانی فروردین ۱۳۹۷ تا دی ۱۴۰۲ مورد تحلیل قرار گرفتند. برای ارزیابی عملکرد مدل، از شاخص خطای نسبی میانگین و روش رتبه بندی TOPSIS جهت مقایسه دقت پیش بینی در بازه های زمانی کوتاه مدت و بلندمدت استفاده شد. نتایج نشان داد مدل RARIMA توانسته است دقت پیش بینی را در مقایسه با مدل ARIMA به طور میانگین تا ۷۵% بهبود دهد و حساسیت مدل نسبت به طول داده های تاریخی را به طور چشمگیری کاهش دهد. بر اساس نتایج، مدل پیشنهادی می تواند به عنوان ابزاری کارآمد برای تحلیلگران مالی و تصمیم گیرندگان در بازار سرمایه مورداستفاده قرار گیرد.

کلیدواژه ها:

بورس اوراق بهادار تهران ، پیش بینی قیمت سهام ، روش رتبه بندی Topsis ، مدل ARIMA ، مدل RARIMA