مدل و پیش بینی خیلی خوب پیش میرود، یعنی از ابتدا تا تقریباً تاریخ 20200429. بعد از آن، حتی این مدل خوب هم در برازش کمی دچار مشکل میشه. یعنی روند سهم به هر دلیلی مثلاً هیجان، دستکاری یا هر چی دیگر، در چارچوب علمی و آماری قبلی خوب خودش قرار نمیگیرد.
مدل در این محدوده بد عمل نکرده، اما به خوبی قبلش هم نتوانسته عمل کنه و برازش دهد. حالا به پیش بینی شنبه با این مدل بپردازیم. ابتدا گراف رو ببینیم. 👇
خوب است در ادامه به بررسی خطای مدل به دست آمده بپردازیم. در تصویر زیر اندازه خطاها آمده است.👇
طراحی مدل در تایم هفتگی بوده و مدل به دست آمده و البته پیش بینی آینده آن به دلیل خطای بسیار اندک، قابل تحسین است.
🔸 نقاط آبی اعداد واقعی و قیمت پایانی جفت ارز پوند - دلار و نقاط قرمز، پیش بینی قیمت پایانی توسط مدل، در همان هفته بوده است.
🔸 نقاط آبی اعداد واقعی و قیمت پایانی جفت ارز پوند - دلار و نقاط قرمز، پیش بینی قیمت پایانی توسط مدل، در همان هفته بوده است.
🔸 کلاً طراحی و برازش مدل بر نمادهای بورس تهران علاوه بر وجود هیجان و رفتارهای غیرعادی که مدل را از حالت علمی خودش خارج میکند، یک مشکل بزرگ دارد و آن دامنه نوسان بر قیمت سهام است. این مطلب جلوی حرکت آزادانه و یافتن بهترین نقطه برازش مدل را میگیرد.
🔸 نکته دیگر درباره شستا که کار طراحی مدل را سخت میکند، تعداد روزهای کم عرضه در بورس است. شستا فقط 38 روز کاری در بورس خرید و فروش شده است. از دیدگاه نرمافزار هر چه تعداد روزهای کاری بیشتر باشد، مدل دقیق تر به دست آمده و خطاهای آن نیز کمتر خواهد بود.
GraphPad
اعداد واقعی و پیش بینی شده جفت ارز پوند - دلار @GraphPad
به عنوان مثال در Predict جفت ارز بالا از آنجا که محدودیت دامنه نوسان وجود نداشت و تعداد هفتههای مورد بررسی بالا بود (1025 هفته) مدل به دست آمده در کل تایم خود دارای میانگین خطای 1.01 درصد بوده است.
حال بیایید روی این دیتا، یک مدل طراحی کنیم. این کار را با استفاده از نرمافزار دوست داشتنی Minitab انجام میدهیم. در گراف زیر دادههای واقعی قیمت پایانی شستا و البته برازش به دست آمده برای هر روز توسط مدل، آمده است.