Florin Dan PIELEANU
Academia de Studii Economice București
Abstract
Tehnicile multiple utilizate în încercarea de predicție a prețurilor viitoare ale titlurilor financiare se împart în general în două categorii: tehnici statistice și tehnici de “soft computing”. În prima categorie, sunt incluse modelele ARIMA (autoregressive integrated moving average) și GARCH (generalized autoregressive conditional heteroskedasticity), iar cel dintâi va fi folosit în articolul de față. Cele mai importante modele din categoria secundă sunt rețelele neurale artificiale – ANN, iar un astfel de model va fi comparat cu ARIMA, pentru a vedea care dintre cele două performează mai bine în dorința de a estima cursul viitor al companiei Volkswagen. Este notoriu faptul că această companie a fost implicată recent într-un scandal care i-a afectat valoarea acțiunilor. Datele utilizate sunt cursuri zilnice pe un interval de 4,5 ani, iar obiectivul principal al articolului este încercarea de previzionare a cursului companiei pentru următorul semestru (al doilea al anului 2015). Ulterior se poate observa care dintre modele a fost mai exact, prin comparația cu prețurile reale. Concluzia va confirma sau infirma superioritatea unuia dintre modele asupra celuilalt.
Cuvinte-cheie: ARIMA, ANN, estimare, comparativ, technică
COMPARATIVE STUDY IN ESTIMATING VOLKSWAGEN’S PRICE: ARIMA VERSUS ANN
Abstract
The multiple techniques used for trying to predict the future prices of securities usually fall in two categories: statistical techniques and soft computing techniques. In the first category one can find ARIMA (autoregressive integrated moving average) or GARCH (generalized autoregressive conditional heteroskedasticity) models, and the former will be used in the present article. From the second category, the most important models are the artificial neural networks – ANN, and such a model will be compaired to ARIMA in order to see which one performs better in the goal of estimating Volkswagen’s future prices. It is widely known that this company was recently involved in a scandal which affected the company’s shares.
Data used is comprised of daily prices for a period of 4,5 years, and the article’s main objective is to try and foresee the price for the next 6 months (the second semester of 2015). After this step, it can be observed which of the two models was more accurate, through comparison with the actual prices. The conclusion will confirm or will refute the superiority of a model over the other, in the mentioned context.
Keywords: ARIMA, ANN, estimation, comparative, technique
