Сравнительный анализ моделей ARMA и ARIMA для различных горизонтов прогнозирования: выбор оптимального подхода
Автор: Горелик А. Ю., Королва Е. В.
Журнал: Вестник Алтайской академии экономики и права @vestnik-aael
Рубрика: Экономические науки
Статья в выпуске: 4-1, 2025 года.
Бесплатный доступ
В статье исследуется предсказательная сила исторических данных котировок акций в условиях российского фондового рынка. Целью работы является оценка эффективности моделей временных рядов ARMA и ARIMA для различных горизонтов прогнозирования котировок акций. В ходе исследования анализировались временные ряды котировок закрытия акций ПАО «Сбербанк» с применением различных наборов данных и разбиения выборок на тестируемую и обучаемую. Результаты показали, что в текущих рыночных условиях исторические значения котировок не обладают достаточной прогностической ценностью, что ограничивает релевантность применения технического анализа. Выводы исследования могут быть полезны для трейдеров и аналитиков при выборе подходов к прогнозированию волатильности котировок ценных бумаг. Рекомендуется дальнейшее исследование применения более совершенного инструментария, позволяющего учесть влияние внешних и внутренних факторов, количественной и качественной информации.
Котировки акции, исторические данные, временные ряды, краткосрочное прогнозирование, долгосрочное прогнозирование, моделирование
Короткий адрес: https://sciup.org/142244605
IDR: 142244605 | DOI: 10.17513/vaael.4074
Список литературы Сравнительный анализ моделей ARMA и ARIMA для различных горизонтов прогнозирования: выбор оптимального подхода
- Гарафутдинов Р.В. Моделирование и прогнозирование на финансовых рынках с применением фрактального анализа: монография. Пермь, 2022. 95 с. URL: http://www.psu.ru/files/docs/science/books/mono/Garafutdinov-Modelirovanie-I-Prognozirovanie-Na-Finansovyh-Rynkah-S-Primeneniem-Fraktalnogo-Analiza.pdf (дата обращения: 05.02.2025).
- Шемякина М.А., Клейменкин Д.В. Применение динамической модели ARMA-GARCH для прогнозирования динамики курса акций // Дневник науки. 2021. № 7. https://dnevniknauki.ru/images/publications/2021/7/technics/Shemyakina_Kleimenkin.pdf (дата обращения: 5.02.2025).
- Abdo A.N.A. Forecasting Lebanese stocks using ARIMA models // Digital Models and Solutions. 2023. Vol. 2, No. 1. DOI: 10.29141/2782-4934-2023-2-1-1.
- Архипова А.А. Прогнозирование ценовой динамики акций с помощью модели ARIMA-GARCH // Экономика и бизнес: теория и практика. 2023. № 6-1(100). С. 14-17.
- Ермоленко Т.В., Попадин Д.В., Котенко В.Н. Применение машинного обучения в прогнозировании фондового рынка // Проблемы искусственного интеллекта. 2023. № 2 (29). С. 16-29.
- Субботин Д.В. Анализ курсовых котировок с использованием одномерных временных рядов // Проблемы науки. 2022. № 2 (70). С. 36-39.
- Шамраева В.В. Математические методы прогнозирования изменения цены акций и их реализация методами машинного обучения // Фундаментальные исследования. 2024. № 11. С. 88-96. DOI: 10.17513/fr.43718.
- Каличкин В.К., Федоров Д.С., Максимович К.Ю., Шпак В.А. Сравнение предиктивной способности моделей машинного обучения с использованием различной структуры данных // Известия Тульского государственного университета. Технические науки. 2024. №. 8. С. 395-400.
- Астраханцева И.А., Герасимов А.С., Смирнова О.П. Оценка применимости статистических и машинных моделей для прогнозирования инфляции // Современные наукоёмкие технологии. Региональное приложение. 2024. Т. 79, №. 3. С. 120-131.