محمود متوسلی؛ بیژن طالب کاشفی
دوره 0، شماره 9 ، تیر 1385، ، صفحه 57-82
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 ...
بیشتر
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.
