فهرست نشریات علمی دسترسی آزاد ایران

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.