انواع واريانس:پایان نامه نوسانات سهام

پیش بینی

پيش بيني مقادير آتي يك سري زماني مشاهده شده در بسياري از حوزه هاي اقتصادي، برنامه ريزي توليد، پيش بيني فروش و كنترل موجودي انبار حائز  اهميت مي باشد.

پيش بيني ها اظهارات شرطي در مورد آينده مي باشند كه بر پايه فروضي مشخص قرار دارند. بنابراين پيش بيني ها حتمي و قطعي نمي باشند و تحليلگر مي تواند تغييرات لازم را بر حسب هر نوع اطلاعات بيروني اعمال نمايد. هيچ روش منحصر به فردي براي بيش بيني  وجود ندارد كه جهان شمول باشد. درمورد پيش بيني هاي بلندمدت، به كارگيري چندين روش پيش بيني متفاوت مبتني بر مجموعه هايي از فروض ديگر كه سناريوهاي ديگري را رقم مي زنند مفيد مي باشد.

روش هاي پيش بيني را مي توان به طور كلي در سه گروه زير طيقه بندي كرد:

  • پيش بيني هاي ذهني

اين گونه پيش بيني ها بر پايه استفاده از قضاوت، بينش و بصيرت، معلومات تجاري و ساير اطلاعات صورت مي پذيرند. اين نوع روشها دامنه وسيعي را از استنتاج هاي جسورانه فردي تا تكنيك دلفي را در برميگيرند كه در آن يك گروه از افراد پيش بيني كننده درصدد مي باشند تا از طريق اجماع به يك پيش بيني دست يابند كه بازخورد كنترلي پيش بيني هاي مقدماتي ساير تحليل گران نيز در آن لحاظ شده باشد.

  • پيش بيني هاي تك متغيره

در اين روش، پيش بيني مقادير يك متغير بر پايه يك مدل كه تنها بر روي مشاهدات گذشته سري زماني مورد نظر برازش شده است انجام مي پذيرد. به اين ترتيب  تنها به مقادير  بستگي خواهد داشت.

برخي از روشهاي مورد استفاده در اين نوع پيش بيني ها عبارتند از: تعميم منحني هاي روند، هموارسازي نمايي ، روش هالت-وينترز، روش باكس-جنكينز، اتورگرسيون مرحله اي

  • پيش بيني هاي چندمتغيره

در اين روش، پيش بيني مقادير يك متغير حداقل تا اندازه اي به مقادير يك سري يا بيش از يك سري بستگي دارد كه متغيرهاي پيش بيني كننده يا توضيحي نام دارند.

برخي از روشهاي مورد استفاده در اين نوع پيش بيني ها عبارتند از: رگرسيون هاي چندمتغيره و مدل هاي اقتصادسنجي

در عمل، يك روش پيش بيني ممكن است تركيبي از روشهاي فوق باشد. يك روش ديگر در تقسيم بندي روشهاي پيش بيني، روشي است مابين يك روش خودكار – كه بدون دخالت انسان باشد – و يك روش غيرخودكار – كه مستلزم وارد كردن برخي از ورودي هاي ذهني توسط شخص پيش بيني كننده مي باشد. مورد اخير، تلفيقي از روشهاي ذهني و روشهاي چندمتغيره مي باشد. ( چتفيلد، 1995، ص66-67)

 

2-3-8. انواع واريانس[1]

روش هاي سنتي تجزيه وتحليل سري هاي زماني عمدتا مرتبط با تجزيه واريانس يك سري به روند، واريانس فصلي، ساير تغييرات چرخه اي و نوسانات نامنظم داده ها در طول دوره مي باشد. اين روش هميشه بهترين روش نمي باشد اما در شرايطي كه واريانس تحت تاثير روند يا اثرات فصلي قرار مي گيرد مناسب مي باشد. منابع متفاوت واريانس عبارتند از:

  • اثر فصلي

بسياري از سري هاي زماني از قبيل ارقام فروش و دماي هوا، يك واريانس ساليانه را در طول دوره نشان مي دهند. اين واريانس سالينه را مي توان به راختي تشخيص داد و آن را به سادگي محاسبه نمود و يا اينكه مي توان اثر آن را در داده ها حذف كرد.

  • ساير تغييرات چرخه اي

صرفه نظر اثرات فصلي، برخي از سري هاي زماني در يك دوره ثابت به جهت برخي علل فيزيكي ديگر واريانس را نشان مي دهند، مانند واريانس روزانه دماي هوا. به علاوه، برخي از سري هاي زماني نوساناتي را نشان مي دهند كه در يك دوره ثابت رخ نمي دهند، اما تا حدودي قابل پيش بيني مي باشند. به عنوان مثال در برخي مواقع چرخه هاي تجاري در يك دوره اي كه حدودا بين 5 تا 7 سال مي باشد داده هاي اقتصادي را تحت تاثير قرار مي دهند. اگرچه كه در خصوص وجود چنين چرخه هاي تجاري بحث وجود دارد.

در يك تعريف ، روند را تغييرات بلندمدت در سطح ميانگين تعريف كرده اند. مشكلي كه در اين تعريف وجود دارد اين است كه منظور از بلندمدت چيست؟ ممكن است كه در كوتاه مدت چنين نوسان بلندمدتي به شكل معني دارتري يك روند تلقي گردد. بنابراين به هنگام صحبت در مورد روند بايد تعدادمشاهدات در دسترس را مورد توجه قرار داد و يك تخمين ذهني در مورد آنچه كه بلندمدت ناميده مي شود به عمل آورد. گرانگر (1966)  در يك تعريف، روند در ميانگين را شامل تمامي اجزاء چرخه اي مي داند كه طول موج (نوسان) آنها از طول سري زماني مشاهده شده فراتر رود.

[1] . Variance

[2] . Trend

لينک جزييات بيشتر و دانلود اين پايان نامه:

ارزیابی نوسانات قیمت سهام با استفاده از شبیه سازی مونت کارلو