عباس طلوعی اشلقی؛ شادی حق دوست
دوره 7، شماره 25 ، تیر 1386، ، صفحه 237-251
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، ...
بیشتر
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.
