پیش‌بینی قیمت سهام با استفاده از سری زمانی Minitab
بورس
البته که اینجا یک سایت بورسی نیست. با این‌حال از آن‌جا که بورس و نمادهای آن، اعدادی است که در طول زمان قرار گرفته‌اند، جالب توجه است که کمی درباره توانایی و قابلیت علوم آماری و به ویژه سری زمانی، در مباحث اقتصادی و بورس صحبت شود.
تحلیل تکنیکال با شناسایی نقاط مقاومت، حمایت، سقف و کف خرید و فروش، به دنبال ارزیابی قیمت در بورس و نمادهای آن است.
صرفنظر از این دیدگاه که معتقد است تحلیل تکنیکال تنها یک نقاشی است و البته با احترام به این نوع از تحلیل، در اینجا بیایید کمی درباره نرم‌افزار فراموش‌شده و دوست داشتنی Minitab و منوی Time Series آن صحبت کنیم. هدف ما این است که نشان دهیم Minitab و علم آمار چگونه می‌تواند به
الف) طراحی مدل از گذشته نماد و ب) پیش‌بینی قیمت سهام آینده همان نماد بپردازد.
البته ناگفته نماند این کار بیشتر از آن‌چه که فکر می‌کنیم تخصصی است و می‌بایست از بین صدها مدلی که می‌توان بر داده‌ها برازش کرد، بهترین و دقیق‌ترین آن‌ها را به دست بیاوریم. با این حال شروع خوبی است که برتری علم بر تحلیل را بدانیم.
از یک مثال ساده شروع می‌کنیم. نماد غچین که مربوط به شرکت غذایی چین چین است. در شکل زیر روند قیمتی سهام آن را از ابتدای سال 88 تا آخرین روز معامله یعنی 23 بهمن 98 مشاهده می‌کنید.
از آن‌جا که می‌خواهیم مثال اول ما ساده باشد، حال بیایید قیمت سهام در سال 98 و بعد از افزایش سرمایه شرکت چین چین را مدنظر قرار دهیم. یعنی نمودار سری زمانی زیر
حال بیایید برای طراحی یک مدل آماری و همچنین پیش‌بینی قیمت سهم از منوی Time Series نرم‌افزار Minitab استفاده کنیم. ده‌ها مدل را اجرا کردیم تا در نهایت به مدل بهینه زیر رسیده‌ام. البته خروجی‌های نرم‌افزار در این نوع تحلیل زیاد است، با این حال تنها براورد پارامترها را آورده‌ام.
به تئوری‌ها و مباحث سری زمانی نمی‌پردازیم. بیایید خروجی مدل خود را ببینیم. در شکل زیر براورد هر روز مدل ما آمده است.
نقاط آبی رنگ مقدار واقعی قیمت سهم در هر روز و نقاط قرمز رنگ، پیش‌بینی و برازش مدل به دست آمده توسط ما می‌باشد. این گراف نشان می‌دهد مدل آماری بسیار خوب عمل کرده است و فاصله بین پیش‌بینی و واقعیت اندک است.
حال بیایید این مدل را تست کنیم. در شکل زیر قیمت پایانی نماد غچین برای روز چهارشنبه 23 بهمن 98 دیده می‌شود که برابر با 42478 ریال است.
براساس مدل به دست آمده از نرم‌افزار Minitab، پیش بینی ما برای همین روز برابر با 42219 خواهد بود.
به این ترتیب خطای مدل برای پیش‌بینی کمتر از یک درصد و برابر با 0.6 درصد است. این میزان خطا بسیار اندک است.
در ادامه یک مثال بزرگتر را بررسی کرده‌ایم. نماد خودرو که مربوط به شرکت ایران خودرو می‌باشد.
به دلیل پیچیدگی، از جزئیات و براورد پارامترهای مدل صرفنظر می‌کنیم. نتیجه مدل ده ساله برازش شده نماد خودرو با استفاده از Minitab را در گراف زیر می‌بینیم.
مدل برازش شده ما نیاز به تعریف ندارد. آنقدر این مدل خوب عمل کرده است که اصلاً خطوط آبی رنگ (مقادیر واقعی قیمت سهم) دیده نمی‌شوند و تقریباً قیمت واقعی و پیش‌بینی شده، بر روی هم منطبق شده‌اند.
در شکل زیر قیمت پایانی نماد خودرو برای روز چهارشنبه 23 بهمن 98 دیده می‌شود.
اما عدد مدل ما چقدر است؟ تصویر زیر نشان می‌دهد پیش‌بینی ما برای همان روز چهارشنبه 23 بهمن 98 برابر با 11750 بوده است. خطای مدل ما این بار نیز کمتر از یک درصد و حدود 0.7 درصد است.
چگونه به این مقاله رفرنس دهیم
GraphPad Statistics (2020). Predict stock prices using the Minitab time series. Statistical tutorials and software guides. Retrieved Month, Day, Year, from https://graphpad.ir/stock-index-time-series-minitab/.php
For example, if you viewed this guide on 12th January 2022, you would use the following reference
GraphPad Statistics (2020). Predict stock prices using the Minitab time series. Statistical tutorials and software guides. Retrieved January, 12, 2022, from https://graphpad.ir/stock-index-time-series-minitab/.php
ارایه خدمات تحلیل و مشاوره آماری
