مدل‌سازی پیش‌بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روشهای پیش‌بینی ریاضی

نوع مقاله: مقاله پژوهشی

چکیده

استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش‌بینی باشند. بر این مبنا در سالهای بسیار، روشهایی ریاضی؛ اعم از  میانگین ساده، میانگین موزون، میانگین دوبل، رگرسیون و مانند اینها، تنها الگوهایی بود که قاطعانه مورد تأیید و استفاده قرار می‌گرفت؛ اما در مواقع گوناگون دارای اشکالاتی نیز بود. با ایجاد روشهای هوش مصنوعی، مانند شبکه‌های عصبی؛ بویژه در مواقعی که رابطه ریاضی مناسبی بین داده‌ها و متغیرهای مستقل و وابسته، قابل شکل‌دهی نبود، امیدواریهای بسیاری بوجود آمد. این امیدواریها تا جایی ادامه یافت که حتی آن را جایگزین روشهای ریاضی نیز دانستند.
در این مقاله با بررسی کارکرد مدل‌های شبکه عصبی و مدل رگرسیون، در حوزه داده‌های مرتبط با پیش‌بینی قیمت سهام، به اندازه‌گیری خطاهای پیش‌بینی این دو روش پرداخته شده است. روش تحقیق بکار گرفته شده در این مقاله شیوة ارزیابی بوده است.

کلیدواژه‌ها


1. پناهیان، حسین. « استفاده از شبکههای عصبی برای پیش بینی روند شاخص قیمت سهام در بورس  اوراق بهادار تهران».پایان نامه دکتری، دانشگاه آزاد اسلامی، (1379) .

2. جهانخانی، علی و پارسائیان، علی.  بورس اوراق بهادار. تهران: دانشکده مدیریت دانشگاه تهران،1374.

3. خالوزاده، حمید. «آیا قیمت سهام در بورس تهران قابل بررسی است یا نه؟». تحقیقات مالی، شماره 11 و 12 ، (1375).

4. خالوزاده، حمید. « مدل سازی غیرخطی پیش بینی قیمت سهام در بورس تهران».پایان نامه دکتری الکترونیک، دانشگاه تربیت مدرس، (1377).

5. راعی، رضا. «طراحی مدل سرمایهگذاری مناسب در سبد سهام با استفاده از شبکه های عصبی».پایان نامه دکتری، مدیریت دانشگاه تهران، 1376.

6. منهاج، محمدباقر.مبانی شبکه عصبی، تهران: نشر دانشگاه امیرکبیر، 1379.

7. بت شکن، محمود. «پیش بینی قیمت سهام با استفاده از شبکه عصبی- فازی و مقایسه آن با الگوهای خطی پیشبینی».پایان نامه دکتری، مدیریت دانشگاه تهران، (1380).

8. خاکی، غلامرضا و دیگران.مدلسازی پیش بینی قیمت سهام.تهران: انتشارات پژوهشکده پولی و بانکی، 1380.

 

9. N. Baba & M. Kozaki. "An Efficient Forecasting Systems of Stock Price Using Neural Networks"., IEEE int.con, on .Neural networks, Vol. 14, (1997), pp. 311-377.

 

10. Haykin,Simon. Neural Networks, a Comprehensive Foundation. Prentice-Hall, 1994.

 

11. K. Schierbolt & C. Dagli. "Stock Market Prediction Different Neural Network Classification Architecture"., IEEE int.conf,on N.N, Vol. 11. (1995), pp.72-78.

 

12. V. VEMURI & Rogers, Artificial Neural Network, Forecasting Time Series. IEEE Computer Society Press, 1994.

 

13. Hirotaka Mizura & Others. Application of Neural Network to Technical Analysis of Stock Market Prediction. Prentice-Hall, 1998.

 

14. Bo K wong & Others. A Bibiolography of Neural Network Business Application Research. Jon pub, 2000.

 

15. Roaman Lawrence, "Using Neural Networks to Predict Stock Market Prices"., IEEE int.con, on .Neural Networks, Vol. 14, (1997), pp. 205-217.

 

16. Donaldson, R.G, Kamstra, M. "Forecast Combining with Neural Networks"., Journal of Forecasting, Vol. 15, (1996), pp. 49-61.

 

17. Fama, E, French, K. R. "The Cross-Section of Expected Stock Returns"., Journal of Finance, Vol. XLVII, No. 2, (June 1992), pp. 427-465.

 

18. Fang, H. "Foreign Exchange Risk and Common Stock Returns"., A Note on International Evidence, Journal of Business Finance & Accounting, Vol. 23, No.3, (April 1996).

 

19. Gaynor, P. E, Kirkpatrick, R. C. Time-series Modelling and Forecasting in Business and Economics. Mc Graw Hill., 1994.

 

20. Grudnitzky, G, Osburn, L. "Forecasting S&P and Gold Futures Prices: An Application of Neural Networks"., Journal of Future Markets, Vol. 13, No. 6, (September 1993), pp.631-643.184.