علی اکبر قلی زاده

هدف این مقاله بررسی کارایی مدل‌های معادلات دیفرانسیل تصادفی در پیش‌بینی قیمت سهام است. برای ارزیابی دقت این مدل‌ها، یک مطالعه مقایسه‌ای بین این مدل‌ها و مدل‌های سری زمانی متداول انجام شده است. در این حوزه، مدل‌های حرکت براونی هندسی و هستون بررسی شده‌اند. برای این مقاله از بین نمادهای حاضر در بورس تهران به‌صورت موردی به بررسی سهام بانک ملت در نماد وبملت پرداخته شده است؛ بدین منظور مقاله روی داده‌های تعدیل شده قیمت این سهام از ابتدای سال 1394 تا ابتدای سال 1402 صورت گرفته است. قبل از مدل‌سازی قیمت سهام و انجام پیش‌بینی، احتمال وجود الگوهای تکرارشونده و خودشبیه در روند حرکت قیمت سهام بررسی شده است. نتایج نشان می‌دهند که سهام بانک ملت دارای حافظه بلندمدت است که باعث می‌شود پیش‌بینی رفتارش تا حدودی امکان پذیر باشد. در ادامه پیش‌بینی قیمت سهام برای نماد وبملت انجام شده است و یافته‌های تحقیق نشان می‌دهند که مدل دیـفـرانسـیل تصادفی هـستـون براساس اکثر معیارهای ارزیابی پــس‌آزمـون، عملکرد بهتری در پیش‌بینی قیمت سهام دارد؛ به‌طوری که این مدل تنها 64/4 صدم درصد خطای مطلق را در پیش‌بینی‌ها نشان داد. مدل سری زمانی AR نیز با این فرض کلیدی که الگوهای گذشته در آینده نیز تکرار می‌شوند، عملکرد قابل قبولی داشته است. این فرضیه با وجود حافظه بلندمدت و پایداری در شاخص کل همخوانی دارد و باعث می‌شود که مدل AR بعد از مدل هستون، در جایگاه دوم معیارهای ارزیابی قرار گیرد. بنابر نتایج به‌دست آمده مدل‌های معادلات دیفرانسیل تصادفی مدل‌های کارآمدی برای مدل‌سازی و پیش‌بینی قیمت سهام هستند.