ارزیابی پیش‌بینی ‌پذیری قیمت طلا و مقایسه پیش‌بینی روش‌های خطی و غیرخطی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه شهید چهران

2 دانشگاه شهید چمران

چکیده

در این مقاله قابلیت پیش‌بینی بازده روزانه قیمت جهانی طلا از تاریخ 25/07/2011 تا 17/12/2012 مورد بررسی قرار گرفته است. بدین منظور ابتدا با استفاده از آزمون براک- دیکرت- شاینکمن (BDS) به بررسی خطی، غیرخطی و آشوبناک بودن سری مورد مطالعه پرداخته شده است. نتایج تحقیق فرض تصادفی بودن سری مورد مطالعه را رد می‌کند که شاهدی بر پیش‌بینی پذیر بودن بازده روزانه قیمت طلاست. همچنین فرضیه عدم وجود رابطه غیرخطی در جملات پسماند مدل خطی رد می‌شود که نشان از وجود رفتار غیرخطی در سری مورد بررسی است. برای پیش‌بینی بازده روزانه قیمت طلا یک مدل عصبی فازی ANFIS طراحی گردیده و نتایج آن با استفاده از معیارهای مختلف مورد ارزیابی قرار گرفته است. همچنین نتایج با نتایج دو مدل خطی ARMA و غیرخطی GARCH مقایسه شد که مطابق انتظار، مدل غیرخطی ANFIS پیش‌بینی بهتری از سایر مدل­های رقیب داشت. در نهایت با استفاده از آماره مورگان- گرنجر- نیبولد (MGN) معنی‌داری اختلاف پیش‌بینی مدل‌ها مورد بررسی قرار گرفت. نتایج حاکی از معنی­دار بودن اختلاف پیش­بینی مدل­های غیرخطی نسبت به مدل خطی ARMA است.

کلیدواژه‌ها


عنوان مقاله [English]

Assessment of Gold Price Predictability and Comparison of Predictions Made by Linear and Nonlinear Methods

نویسندگان [English]

  • Aziz Arman 1
  • Ali Raoofi 2
چکیده [English]

This article aims to study the predictability of daily return of global gold price, using data during the period 2011/07/25 to 2012/12/17. For this purpose, using Scheinnkman, Dechert & Brock Test (BDS), we try to model the linearity, nonlinearity and chaos of the series under consideration. The results is indicative of the rejection of the hypothesis that the gold price daily return is stochastic, which in turn confirms the predictability of the series. The results of the linear model confirm the nonlinearity behavior of the series. Then, an ANFIS neuro-fuzzy model was designed to predict gold price daily return. To carry out this research, we use ARIMA and GARCH models to eliminate linear and nonlinear impacts of the gold price daily return, respectively. Next, using the several criterions, we compare the results of two models- ARIMA as linear model and GARCH as nonlinear model. As expected, ANFIS linear model presents a better prediction than ARIMA and GARCH models. Finally, using Morgan-Granger-Newbold statistics (MGN), we investigate the statistical significance of the divergence between predictions of the models. The results indicates a significant difference between the predictions produced by nonlinear and linear ARMA models.

کلیدواژه‌ها [English]

  • Predictability
  • Neuro-fuzzy network
  • ANFIS
  • BDS test
  • Nonlinear methods