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 | УДК: 330.43 | DOI: 10.17513/vaael.4074
Comparative analysis of ARMA and ARIMA models for different forecasting horizons: choosing the optimal approach
The article examines the predictive power of historical data on stock quotes in the Russian stock market. The objective of the work is to evaluate the effectiveness of ARMA and ARIMA time series models for different stock quotes forecasting horizons. The study analyzed time series of closing quotes for Sberbank shares using various data sets and dividing the samples into testing and training. The results showed that in the current market conditions, historical quote values do not have sufficient predictive value, which limits the relevance of technical analysis. The findings of the study can be useful for traders and analysts when choosing approaches to forecasting the volatility of stock quotes. Further research is recommended into the use of more sophisticated tools that consider the influence of external and internal factors, quantitative and qualitative information.
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.
