بناء خوارزمية للنمذجة الاحتمالية لأنماط الحركة في السوق المالي باستخدام التنقيب في البيانات وتحديد الحجم الأمثل لها (دراسة مقارنة مع النماذج القياسية (ARIMA-(G)ARCH
الملخص
في عالم السوق المالي المتقلب، يُقدم هذا البحث خارطة طريق لتحسين دقة التنبؤ باتجاهات السوق المالي باستخدام خوارزمية مقترحة تعتمد على التوزيع الاحتمالي الشرطي لأنماط الحركة المتتابعة والتنقيب في البيانات لتحديد الحجم الأمثل لبيانات النمذجة الاحتمالية، حيث يُظهر البحث كفاءة تطبيق هذه الخوارزمية وإمكانية تعميمها من خلال تطبيقها على عدة أسواق مالية عالمية وعربية (14 مؤشر مالي من مؤشرات أسواق المال العالمية والعربية).
تتمثل النتائج الرئيسية لهذا البحث في تحديد مدى تفوق الخوارزمية المقترحة المعتمدة على تحديد الحجم الأمثل للبيانات على كل من الخوارزمية بدون تحديد الحجم الأمثل للبيانات والنماذج القياسية ARIMA (G)ARCH وذلك من خلال تطبيق معيار القيمة المضافة للنموذج التنبؤي والذي يعطي تقييم جوهري لمدى الاستفادة من أي نموذج تنبؤي مطبق، إضافة إلى تحليل الفروق ذات الدلالة المعنوية بين متوسط دقة التنبؤ باتجاه الحركة باستخدام الخوارزمية المقترحة والنماذج القياسية من جهة وكذلك بين الخوارزمية المقترحة مع وبدون تحديد الحجم الأمثل للبيانات من جهة أخرى. وقد خلصت جميع هذه المقارنات والمعايير المطبقة إلى إثبات تفوق الخوارزمية المقترحة المعتمدة على تحديد الحجم الأمثل للبيانات ووجود استقرار وثبات في نتائجها وإمكانية تعميمها، هذه الابتكارات تفتح أبوابًا جديدة لتحسين استراتيجيات الاستثمار وتقليل المخاطر، مما يجعلها أداة قيمة للمستثمرين والمحللين الماليين.
المراجع
- Asare, C., Asante, D., & Essel, J. F.(2023). Probabilistic LSTM Modeling for Stock Price Prediction with Monte Carlo dropout Long Short-Term Memory Network. International Journal of Innovative Science and Research Technology. Volume 8, Issue 7, July – 2023. ISSN No:-2456-2165.
- Babichev, D., & Bach, F. (2018). Constant step size stochastic gradient descent for probabilistic modeling. arXiv preprint arXiv:1804.05567.
- Bertsekas, D. P., & Tsitsiklis, J. N. (2008). Introduction to Probability. Athena Scientific.P:45.
- Bou-Hamad, I., & Jamali, I. (2020). Forecasting financial time-series using data mining models: A simulation study. Research in International Business and Finance, 51, 101072
- Bousbaa, Z., Sanchez-Medina, J., & Bencharef, O. (2023). Financial time series forecasting: a data stream mining-based system. Electronics,MDPI, 12(9), 2039.
- Dar, G. F., Padi, T. R., & Rekha, S. (2022). Stock price prediction using a Markov chain Model: a study for TCS Share Values. Advances and Applications in Statistics, 80, 83-101.
- Evans, M. J., & Rosenthal, J. S. (2004). Probability and Statistics: The Science of Uncertainty. Springer.P12.
- Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and. Techniques, Waltham: Morgan Kaufmann Publishers.(PP:3-12).
- Luo, J. (2022, January). Modeling of data mining technology in financial data recognition mining and forecasting. In 2022 4th International Conference on Smart Systems and Inventive Technology (ICSSIT) (pp. 1168-1171). IEEE.
- Monika, P., Ruchjana, B., & Abdulla, A. (2022). The implementation of the ARIMA-ARCH model using data mining for forecasting rainfall in Bandung city. International Journal of Data and Network Science, 6(4), 1309-1318.
- Nugraha, E. S., & Alvina, C. (2024). THE APPLICATION OF STANDARD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (SGARCH) MODEL IN FORECASTING THE STOCK PRICE OF BARITO PACIFIC. BAREKENG Journal of Mathematics and Its Applications, 18(2), 0849-0862.
- Provost, F. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking (Vol. 355). O'Reilly Media, Inc.
- Rojas, F., Leiva, V., Huerta, M., & Martin-Barreiro, C. (2021). Lot-size models with uncertain demand considering its skewness/kurtosis and stochastic programming applied to hospital pharmacy with sensor-related COVID-19 data. Sensors, 21(15), 5198.
- Ross, S. M. (2010). Introduction to Probability Models (10th ed.). Academic Press.PP:3-5.
- Yahaya, A., Etuk, E., & Emeka, A. (2021). Comparative performance of arima and garch model in forecasting crude oil price data. Asian Journal of Probability and Statistics, 15(4), 251-275.
