مدل GJR

روند تغییرات شاخص کل قیمت سهام، همواره به عنوان یکی از ملاک های سرمایه گذاری مدنظر قرار می گیرد. به دلیل وجود دو مؤلفه ای غیرخطی و متلاطم سری زمانی شاخص قیمت، در این پژوهش سعی شده مدل هیبریدی نوینی ارائه شود که بتواند روند حرکتی و تغییرات شاخص را با بیشترین دقت پیش بینی کند. در این مدل ابتدا با استفاده از تبدیل موجک، سری زمانی شاخص به شش سری زمانی مجزایی که ویژگی های غیرخطی و متلاطم شاخص مدنظر را نمایندگی می کند، تفکیک می شود. در ادامه، سری های زمانی استخراج شده با رفتار غیرخطی، با استفاده از ترکیب مدل ماشین بردار پشتیبان و بهینه سازی ازدحام ذرات و سری های زمانی مبتنی بر رفتار متلاطم شاخص کل با بهره گیری از مدل GJR پیش بینی می شوند؛ سپس با جمع نتایج به دست آمده از پیش بینی دو مؤلفه ای غیر خطی و متلاطم شاخص قیمت، سری زمانی شاخص کل قیمت برآورد می شود. نتایج به دست آمده نشان می دهد مدل هیبریدی ارائه شده این پژوهش در مقایسه با سایر روش های پیش بینی، خطای کمتری داشته و از دقت بیشتری برخوردار است.