مدل رگرسيون بردار تكيه‌گاه و مقايسه آن با رگرسيون نيم‌پارامتري

Support Vector Machines Regression Model and Comparison with Semi-parametric Regression

در اين تحقيق، هدف بررسي و تحليل روشي براي پيش‌بيني قيمت سهام بورس اوراق بهادار است. هرچند پيش‌بيني بازار سرمايه با توجه به وابستگي آن به عامل سياست چندان ساده نيست، اما با مدل‌سازي داد‌ه‌ها، پيش‌بيني عملكرد سهام بورس اوراق بهادار در بازه‌ بلندمدت تا حدودي امكان‌پذير خواهد بود. در اين راستا با استفاده از مدل‌هاي رگرسيون نيم‌پارامتري و رگرسيون بردار تكيه‌گاه با هسته‌هاي مختلف و اندازه‌گيري خطاهاي پيش‌بين، بر روي يكي از سهم‌هاي بازار بورس اوراق بهادار بر اساس نوسانهاي روزانه و مقايسه روش‌ها با استفاده از معيارهاي ريشه ميانگين توان دوم خطاها و ميانگين قدرمطلق درصد خطاها، مدل رگرسيون بردار تكيه‌گاه با هسته شعاعي و خطاي برابر 0.1 داراي مناسب‌ترين برازش روي داده‌هاي واقعي بازار سهام بوده ‌است.

In this research, the aim is to assess and analyze a method to predict the stock market. However, it is not easy to predict the capital market due to its high dependence on politics but by data modeling, it will be somewhat possible to predict the stock market in the long period of time. In this regard, by using the semi-parametric regression models and support vector regression with different kernels and measuring the predictor errors in the stock market of one stock based on daily fluctuations and comparing methods using the root of mean squared error and mean absolute percentage error criteria, support vector regression model has been the most appropriate fit to the real stock market data with radial kernel and error equal to 0.1.