Stock Market Modeling and Forecasting: A System Adaptation Approach

مدل‌سازی و پیش‌بینی بازار سهام، تجربه در انطباق سیستم به‌دست‌آمده در زمینه مهندسی را به مدل‌سازی بازارهای مالی با هدف بهبود جذب و درک پویایی‌های بازار ترجمه می‌کند. فرآیند مدل سازی به عنوان شناسایی یک سیستم پویا در نظر گرفته می شود که در آن یک بازار سهام واقعی به عنوان یک کارخانه ناشناخته در نظر گرفته می شود و مدل شناسایی پیشنهادی با بازخورد خطای تطبیق تنظیم می شود. مانند یک سیستم فیزیکی، یک بازار مالی پویایی سریع و آهسته را نشان می دهد که به ترتیب مربوط به نیروهای خارجی (مانند ارزش شرکت و سودآوری) و نیروهای داخلی (مانند احساسات سرمایه گذار و قیمت کالا) است. چارچوب ارائه شده در اینجا، متشکل از یک مدل داخلی و یک فیلتر تطبیقی، در در نظر گرفتن پویایی بازار سریع و آهسته موفق است. یک روش انتخاب مضاعف در شناسایی عوامل ورودی موثر در حرکات بازار کارآمد است و نشان می‌دهد که آنها هم وابسته به فرکانس و هم وابسته به بازار هستند.
نویسندگان کار بر روی بازارهای توسعه یافته و در حال توسعه به شکل بازارهای سهام ایالات متحده، هنگ کنگ، چین و سنگاپور ارائه می دهند. نتایج حاصل از همه این منابع، کارایی چارچوب مدل را در شناسایی تأثیرات مهم و کیفیت توانایی پیش‌بینی آن نشان می‌دهد. نتایج امیدوارکننده‌ای نیز با استفاده از چارچوب مدل برای پیش‌بینی دوره‌های اصلی چرخش بازار به دست می‌آید. با نشان دادن اینکه ایده‌های نظری سیستم می‌توانند هسته اصلی یک مبنای جدید و مؤثر برای تحلیل بازار سهام را تشکیل دهند، این کتاب با اشاره به گسترش احتمالی و احتمالی آینده تحقیقات در این زمینه تکمیل می‌شود.

Stock Market Modeling and Forecasting translates experience in system adaptation gained in an engineering context to the modeling of financial markets with a view to improving the capture and understanding of market dynamics. The modeling process is considered as identifying a dynamic system in which a real stock market is treated as an unknown plant and the identification model proposed is tuned by feedback of the matching error. Like a physical system, a financial market exhibits fast and slow dynamics corresponding to external (such as company value and profitability) and internal forces (such as investor sentiment and commodity prices) respectively. The framework presented here, consisting of an internal model and an adaptive filter, is successful at considering both fast and slow market dynamics. A double selection method is efficacious in identifying input factors influential in market movements, revealing them to be both frequency- and market-dependent.
The authors present work on both developed and developing markets in the shape of the US, Hong Kong, Chinese and Singaporean stock markets. Results from all these sources demonstrate the efficiency of the model framework in identifying significant influences and the quality of its predictive ability; promising results are also obtained by applying the model framework to the forecasting of major market-turning periods. Having shown that system-theoretic ideas can form the core of a novel and effective basis for stock market analysis, the book is completed by an indication of possible and likely future expansions of the research in this area.