Statistical Forecasting of Stock Prices in Lebanon Based on Adaptive Models

Abstract

Nowadays, there are a lot of methods and models to forecast the future values of stock prices, the statistical methods being one of them. The statistical methods have proved to be efficient in the study of time-series, especially the exponential smoothing methods have become very popular among researchers due to their reliability. This research explores time-series analysis of three stocks of Beirut Stock Exchange in three different sectors of the economy over the period from 2017 through 2020. It provides analysis based on exponential smoothing methods and decomposition of daily time-series data using STATISTICA software; the forecasting methods are deduced using MAPE and SSE with the best value of . It was found that the adaptive forecasting methods (Brown’s model) can be effectively applied for daily forecasting values of Lebanese stock prices, and using historical N days stock price on its own can provide a relatively accurate prediction of N + 1 day’s stock price.

В настоящее время существует множество методов и моделей для прогнозирования будущих значений цен акций, и статистические методы одни из них. Статистические методы доказали свою эффективность при изучении временных рядов, особенно методы экспоненциального сглаживания стали очень популярны среди исследователей из-за их надежности. В этом исследовании дан анализ временных рядов трех акций Бейрутской фондовой биржи в трех разных секторах экономики за период с 2017 по 2020 год. Представлен анализ, основанный на методах экспоненциального сглаживания и декомпозиции ежедневных данных с использованием программного обеспечения STATISTICA, определены методы прогнозирования на основе расчета MAPE и SSE с лучшим значением α. Было установлено, что методы адаптивного прогнозирования (модель Брауна) могут быть эффективно применены для однодневного прогноза значений цен ливанских акций и использование исторических цен акций за N дней обеспечивает относительно точный прогноз цены акций на N + 1 день.