نوع مقاله : مقاله پژوهشی
نویسندگان
1 استاد اقتصاد دانشگاه تهران
2 کارشناس ارشد اقتصاد
چکیده
مهمترین مسئله برای سرمایهگذاران فعال در بازار سرمایه، پیشبینی قیمت سهام میباشد. هدف اصلی این مطالعه نیز بررسی کاربرد پذیری پیشبینی قیمت سهام به وسیله شاخصهای تحلیل تکنیکی با استفاده از شبکههای عصبی و مقایسه این روش با سایر روشهای پیشبینی از جمله شبکه عصبی استفاده کننده از قیمت سهام و مدلهای ARIMA میباشد. در این تحقیق قیمت سهام ده روز آینده چهل شرکت فعال در بورس اوراق بهادار تهران با استفاده از سه روش مختلف پیشبینی میشود. در روش اول با استفاده از یک شبکه عصبی پیشخور تک لایه با الگوریتم یادگیری لونبرگ- مارکوات و معیار عملکرد میانگین مربعات خطا با ورودی ارزش بازار، قیمت پیشبینی میشود. سپس علاوه بر ورودی ارزش بازار، میانگینهای متحرک پنج، ده و بیست روزه و ROC و RSI دوازده روزه نیز به عنوان ورودی به شبکه معرفی گردید و پیشبینی صورت گرفت. قیمت سهام با استفاده از مدلهای ARIMA نیز برای کلیه شرکتهای پیشبینی شد. با استفاده از تحلیل واریانس سه روش مختلف پیشبینی با یکدیگر مقایسه گردیدند. از آنجا که در مورد سی شرکت پیشبینی قیمت توسط مدلهای ARIMA به طور معنیداری نسبت به مدلهای شبکه عصبی نتایج بهتری ارائه نموده است میتوان اظهار داشت که مدلهای خطی _ARIMA بهتر از مدلهای غیر خطی، شبکههای عصبی_ توانستهاند پیچیدگیهای سریهای زمانی قیمت سهام را تجزیه و تحلیل نموده و برای پیشبینی قیمت سهام مورد استفاده قرار گیرند.
کلیدواژه‌ها
عنوان مقاله [English]
A Comparative Study of Neural Networks' Capabilities Using Indicators of Technical Analysis for Forecasting of Stock's Price
نویسندگان [English]
- Mahmood Motevasseli 1
- Bijan Taleb Kashefi 2
1 Professor of Economics, University of Tehran
2 Master of Economics
چکیده [English]
The most important issue for active investors in capital market is forecasting the stock's price. The main goal of this research is to study the application of stock's price anticipation by using indicators of technical analysis based on neural networks and the comparison of this method and neural networks which uses stock's price and ARIMA models. In this research stock's price of the next 10 days of 40 active companies will be anticipated in Tehran stock exchange by using three different methods. In the first method, the stock's price will be forecasted by applying SINGLE LAYER FEED FORWARD NEURAL NETWORKS. Using Levenberg-Marquardt learning algorithm and the performance criteria of MSE with admission of market value.
In the next step, beside the entry of market value, 5, 10 and 20 days of moving average and 12 days of RSI and also ROC were introduced as new entries to the network and forecasting was accomplished. The Stock's prices were also anticipated for all companies using ARIMA models. By applying analysis of variance, three different anticipating models were compared. Since price anticipation for thirty companies by ARIMA models have presented better and more meaningful results rather than neural networks model. Therefore, we can claim that the linear models of ARIMA are more capable of explaining and analyzing the complexities of time series of stock's price than the nonlinear models of neural networks. Therefore, they are recommended to be used for anticipation of stock's price
کلیدواژه‌ها [English]
- Stock's Price Forecasting
- Technical analysis
- Neural Networks
- Time- Series Models
- Applications
منابع :
1- آذر، عادل و رجب‌زاده، علی، «ارزیابی روشهای پیشبینی ترکیبی: با رویکردهای عصبی کلاسیک در حوزه اقتصاد»، مجله تحقیقات اقتصادی، 1382، شماره 61.
2- ابریشمی، حمید، اقتصاد سنجی کاربردی ،تهران، دانشگاه تهران، چاپ اول، دانشگاه تهران، 1381.
3- اصغری اسکوئی، محمد رضا، «کاربرد شبکههای عصبی برای پیشبینی سریهای زمانی»، فصلنامه پژوهشهای اقتصادی، 1383.
4- پیکتن، فیلیپ، شبکههای عصبی (اصول و کارکردها)، مهدی غضنفری و جمال ارکات، تهران، دانشگاه علم و صنعت، چاپ اول، 1383.
5- خالوزاده، حمید و خاکی، علی، «ارزیابی روشهای پیشبینی قیمت سهام و ارائه مدلی غیر خطی بر اساس شبکههای عصبی»، مجله تحقیقات اقتصادی، 1382، شماره 63.
6- قاسمی، عبدالرسول و اسدپور، حسن و صادقی، مختار، «کاربرد شبکه عصبی در پیشبینی سریهای زمانی و مقایسه آن با مدل ARMA»، فصلنامه پژوهشنامة بازرگانی مؤسسه مطالعات و پژوهشهای بازرگانی ،1380، شماره 18.
7- کنی، امیر عباس، مبانی تحلیل تکنیکی، تهران، چاپ اول،1383.
8- منهاج، محمد باقر، مبانی شبکههای عصبی، تهران، دانشگاه امیر کبیر، چاپ دوم، 1381.
9- Demult, Howard & Beale, Mark." Neural Net work toolbox for use with MATLAB." Math work Inc, 1998.
10- Essenreter, Robert. "Time series prediction with neural nets." 1996, CES.
11- Granger, C.WJ, "Forecasting stock market price: Lesson for forecasters ", working paper san Diego: university of California , department of economic,1991.
12- Martin T. Hagan & Mohammad B. Menhaj. "Training Feed forward with the Marquardt Algorithm" IEEE Transactions on Neural Network, Vol.5.no & NOV 1994.pp.989-993.
13- Plummer, Tony." The psychology of technical Analysis: profiting from crowd behavior and dynamics of price".
14- R.G.winfield, "Success in investment", John Murry prb. 1995.
15- Refines, A., A.Zapranis & G.francis:"Stock performance modeling using neural networks, A comparative study with regression models" new works, vd 7, NO .Z, 1994.
)