پیش بینی سری های زمانی کوتاه مدت، میان مدت و بلند مدت بازده سهام بورس اوراق بهادار تهران با استفاده از الگوریتمL-CO-R

در این مقاله الگوریتم هم تکاملی L-CO-R ، توصیف و عملکرد آن در پیش بینی سری های زمانی در دوره های کوتاه مدت، میان مدت و بلند مدت تجزیه و تحلیل شده است. امروزه اهمیت پیش بینی و منافع حاصل از آن، برای تصمیم گیری و سیاستگذاری از ابعاد مختلف ، برکسی پوشیده نیست. در این راه بطور طبیعی، روش هایی قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن درپیش بینی باشند. در سال های اخیر ، مدل های ساختاری که در تبیین وضع موجود به طور نسبی موفق بوده اند ، سابقه چندانی در زمینه پیش بینی نداشته اند. به همین جهت آزمون های دیگری توسعه یافته اند که مهم ترین آنها آزمون معروف سری های زمانی با استفاده از الگوریتم هم تکاملی L-CO-R است. در این پژوهش سری های زمانی روزانه، ماهانه و سالانه بازده سهام بورس اوراق بهادار تهران از سال 1386 تا سال1392 مورد بررسی قرار گرفته است. نتایج تحلیل های آماری نشان می دهد که الگوریتم هم تکاملی L-CO-R می تواند با استفاده از مقادیر واقعی مشخص شده، افق های زمانی کوتاه مدت، میان مدت و بلند مدت را پیش بینی کند. همچنین نتایج تحقیق نشان داد که الگوریتم هم تکاملی L-CO-R برای دوره های بلندمدت بهتر از روش های دیگر عمل می کند در حالیکه روش باکس و جنکینس برای دوره های کوتاه مدت عملکرد بهتری دارند.

کلیدواژه ها:

الگوریتم هم تکاملی L-CO-R ، روش باکس و جنکینس ، بازده سهام ، سری های زمانی