پیش‎بینی شاخص کل بورس اوراق بهادار تهران با مدل ARFIMA

نویسنده

دانشگاه سمنان

چکیده

در این مقاله با استفاده از داده‎های روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة بلند این شاخص پرداخته و مدل ARFIMA را بر آن برازش می‎دهیم. هم‎چنین عملکرد پیش‎بینی مدل ARFIMA را با مدل ARIMA مقایسه می‎کنیم. نتایج نشان می‎دهند که اولاٌ این سری زمانی از نوع حافظة بلند است، بنابراین می‎توان با تفاضل‎گیری کسری آن را مانا کرد. پارامتر تفاضل‎گیری به‎دست آمد. پس از تفاضل‎گیری کسری و تعیین تعداد وقفه‎های اجزای خودبازگشت و میاانگین متحرک مدل، شکل کلی به‎صورت ، مشخص می‎شود. پارامترهای این مدل برای 900 داده درون نمونه‎ای برآورد شده است و از آن‎ها برای پیش‎بینی 70 دادة خارج از نمونه استفاده می‎شود. مقایسة عملکرد پیش‎بینی مدل ARFIMA با مدل ARIMA، نشان می‎دهد که مدل ARFIMA از قدرت پیش‎بینی‎کنندگی بالاتری برخوردار است.
طبقه‎بندی JEL : A12

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting of Tehran Securities Price Index Using ARFIMA Model

نویسنده [English]

  • Alireza Erfani
چکیده [English]

In this paper we investigate the long memory of Tehran Securities Price Index and fit ARFIMA model using 970 daily data since 1382/1/6 until 1386/4/17. Furthermore, we compare the forecasting performance of ARFIMA and ARIMA models. The results show that the series is a long memory one and therefore it can become stationary by fractional differencing. We obtaine the fractional differencing parameter . Having done the fractional differencing and determination of the number of lags of autoregressive and moving average components, the model is specified as . We estimate the parameters of the model using 900 in-sample data and use this estimates for forecasting 70 out-sample data. Comparing forecasting performance of two models illustrate that forecasting performance of ARFIMA model is better than ARIMA model.
JEL Classification: A12

کلیدواژه‌ها [English]

  • Long memory
  • rescaled range analysis
  • modified rescaled range analysis
  • ARFIMA model
  • ARIMA Model