شبکه عصبی با تاخیر زمانی، یک ابزار مدلسازی برگرفته از محاسبات هوشمند است که در کنار روشهای کلاسیک برای پیشبینی سریهای زمانی مالی بکار گرفته میشود. این مدل اغلب در مواردی که از سری زمانی دادههای فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده میشود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این ...
بیشتر
شبکه عصبی با تاخیر زمانی، یک ابزار مدلسازی برگرفته از محاسبات هوشمند است که در کنار روشهای کلاسیک برای پیشبینی سریهای زمانی مالی بکار گرفته میشود. این مدل اغلب در مواردی که از سری زمانی دادههای فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده میشود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیشبینی معیارهای مالی بازار سهام ارائه شده و روش پنجره لغزان برای ارزیابی عملکرد پیشبینیکننده، بکار برده شده است. در این مقاله انتخاب ساختار مناسب شبکه، تعداد عملگرهای تاخیری، تعداد بهینه دادههای پیشین و پسین و معیار کمّی مناسب برای ارزیابی عملکرد پیشبینیکننده، مورد مطالعه قرار گرفته است. عملکرد این مدل روی شاخص قیمت سهام چهار بنگاه بزرگ اقتصادی در بازار سهام لندن مورد بررسی قرار گرفته است. نتایج به دست آمده، نشان میدهد با روش پیشنهادی، میتوان ساختاری انتخاب کرد که متوسط درصد خطا، متوسط مجذور مربعات خطا و معیار رگرسیون خطی خروجی شبکه در حد قابل توجهی کاهش مییابد.