پيش بيني بازده سهام بر پايه توزيع كرنل و اختلاط توزيع هاي نرمال

Prediction of stock efficiency based on kernel distribution and mixture of normal distributions

مدل سازي و پيش بيني بازده سهام همواره يكي از چالش هاي پيش روي محققان و سرمايه گذاران بوده است. از اين رو روش ها و مدل هاي متفاوتي ارايه شده كه اغلب آنها متكي بر مفروضاتي چون توزيع بازده بوده اند. در پژوهش حاضر پيش بيني بازده سهام بر پايه توزيع كرنل و اختلاط توزيع هاي نرمال مورد ارزيابي قرار گرفت. براي اين منظور توابع كرنل و اختلاط نرمال ها و پارامترهاي مربوط به آنها از طريق ماكسيمم سازي تابع درستنمايي، مورد برآورد قرار گرفته و چندك هاي 99%، 95% و 90% هريك از توزيع ها براي 30 شركت برتر بورس در سه ماهه چهارم سال 1398 به عنوان مقادير پيش بيني بازده محاسبه گرديد. به منظور تعيين دقت روش هاي پيش بيني معيارهاي خطاي MSE و PRED بكار گرفته شد و نتايج نشان داد كه اختلاط توزيع هاي نرمال و تقريب كرنل هر دو از طريق چندك 90% توزيع بازده مي توانند پيش بيني هاي مطلوبي از بازده هاي 5 روزه سهام ارايه دهند. مقايسه دقت اين دو روش نشان داد تقريب كرنل به عنوان يك روش ناپارامتري پيش بيني بازده، دقت بالاتري نسبت به اختلاط توزيع هاي نرمال در پيش بيني داشته است.

Modeling and predicting stock returns has always been one of the challenges for researchers and investors. Hence, different methods and models have been proposed, most of which have been based on assumptions such as the distribution of returns. The kernel distribution and mixture of normal distributions were examined to predict stock return in the present study. To this end, kernel functions and mixtures of normal distributions and related parameters have been estimated using maximization of likelihood function and quartiles 99%, 95% and 90% were computed for each of distributions and for 30 superior enterprises listed in Tehran Security and Exchange (TSE) at first quarter in 2019 as predictor values of stock return. In order to determine precision of prediction methods, MSE and PRED error criteria were employed and the findings showed that mixture of normal distributions and kernel approximation might propose favorable predictions for 5-day stock returns in quartiles 90% of return distribution. Comparison of precision between two methods indicated that kernel approximation, as a non parametric method for prediction of returns, leads to higher precision than mixture of normal distributions.