Resumen

Este estudio tiene como objetivo modelar y mejorar la precisión de pronóstico de los patrones de datos de la bolsa de valores de Arabia Saudita (Tadawul) utilizando los datos de índices de precios diarios de acciones con 2026 observaciones desde octubre de 2011 hasta diciembre de 2019. Este estudio emplea un modelo espectral no lineal de transformada wavelet discreta de máxima superposición (MODWT) con cinco funciones matemáticas, a saber, Haar, Daubechies (Db), Least Square (LA-8), Best localization (BL14) y Coiflet (C6) en conjunto con el sistema de inferencia difuso basado en redes adaptativas (ANFIS). Hemos seleccionado el precio del petróleo (Loil) y la tasa de recompra (Repo) como valores de entrada según la correlación, la prueba de causalidad de Engle y Granger y las regresiones múltiples. Las variables de entrada en este estudio se han recopilado de la Autoridad de Estadísticas de Arabia Saudita y el Banco Central de Arabia Saudita. La variable de salida se obtiene

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Modelo; Precisión de pronóstico; Bolsa de valores de Arabia Saudita; Tadawul; Patrones de datos; índices de precios de acciones; MODWT; ANFIS; Precio del petróleo; Tasa de recompra; Rendimiento; Modelos tradicionales
• Keywords:Model; Forecasting accuracy; Saudi Arabia stock exchange; Tadawul; Data patterns; Stock price indices; MODWT; ANFIS; Oil price; Repo rate; Performance; Traditional models