تحلیل تکنیکال با شناسایی نقاط مقاومت، حمایت، سقف و کف خرید و فروش، به دنبال ارزیابی قیمت در بورس و نمادهای آن است.
با احترام به این نوع تحلیل و صرفنظر از دیدگاهی که معتقد است تحلیل تکنیکال چیزی جز یک نقاشی نیست،
بیایید کمی درباره نرمافزار فراموششده و دوست داشتنی Minitab و منوی Time Series آن صحبت کنیم. هدف ما این است که نشان دهیم Minitab و علم آمار چگونه میتواند به
الف) طراحی مدل از گذشته قیمت سهام و
ب) پیشبینی قیمت سهام آینده همان نماد بپردازد.
با احترام به این نوع تحلیل و صرفنظر از دیدگاهی که معتقد است تحلیل تکنیکال چیزی جز یک نقاشی نیست،
بیایید کمی درباره نرمافزار فراموششده و دوست داشتنی Minitab و منوی Time Series آن صحبت کنیم. هدف ما این است که نشان دهیم Minitab و علم آمار چگونه میتواند به
الف) طراحی مدل از گذشته قیمت سهام و
ب) پیشبینی قیمت سهام آینده همان نماد بپردازد.
البته ناگفته نماند این کار بیشتر از آنچه که فکر میکنیم تخصصی است و میبایست از بین صدها مدلی که میتوان بر دادهها برازش کرد، بهترین و دقیقترین آنها را به دست بیاوریم. با این حال شروع خوبی است که برتری علم بر تحلیل را بدانیم.
از آنجا که میخواهیم مثال ما ساده باشد، بیایید قیمت سهام در سال 98 و بعد از افزایش سرمایه شرکت چین چین را مدنظر قرار دهیم. یعنی نمودار سری زمانی زیر 👇
جهت پیشبینی قیمت سهم از منوی Time Series نرمافزار Minitab استفاده کنیم. دهها مدل را اجرا کردیم تا در نهایت به مدل بهینه زیر رسیدهام. البته خروجیهای نرمافزار در این نوع تحلیل زیاد است، با این حال تنها براورد پارامترها را آوردهام.
به تئوریها و مباحث سری زمانی نمیپردازیم. بیایید خروجی مدل خود را ببینیم. در شکل زیر براورد هر روز مدل ما آمده است. 👇
نقاط آبی رنگ مقدار واقعی قیمت سهم در هر روز و نقاط قرمز رنگ، پیشبینی و برازش مدل به دست امده توسط Minitab میباشد. این گراف نشان میدهد مدل آماری بسیار خوب عمل کرده است و اختلاف بین پیشبینی و واقعیت اندک است.
براساس مدل به دست آمده از نرمافزار Minitab، پیش بینی ما برای همین روز برابر با 42219 خواهد بود. 👇
به این ترتیب خطای مدل برای پیشبینی کمتر از یک درصد و برابر با 0.6 درصد است. این میزان خطا بسیار اندک است و بیانگر خوب بودن مدل به دست آمده است.