فهرست نشریات علمی دسترسی آزاد ایران

مهمترین مسئله برای سرمایه ­ گذاران فعال در بازار سرمایه، پیش ­ بینی قیمت سهام می ­ باشد. هدف اصلی این مطالعه نیز بررسی کاربرد پذیری پیش­بینی قیمت سهام به وسیله شاخص ­ های تحلیل تکنیکی با استفاده از شبکه ­ های عصبی و مقایسه این روش با سایر روش ­ های پیش­بینی از جمله شبکه عصبی استفاده کننده از قیمت سهام و مدل­های ARIMA می ­ باشد. در این تحقیق قیمت سهام ده روز آینده چهل شرکت فعال در بورس اوراق بهادار تهران با استفاده از سه روش مختلف پیش ­ بینی می ­ شود. در روش اول با استفاده از یک شبکه عصبی پیش ­­ خور تک لایه با الگوریتم یادگیری لونبرگ- مارکوات و معیار عملکرد میانگین مربعات خطا با ورودی ارزش بازار، قیمت پیش­بینی می ­ شود. 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 مدل ­ های ARIMA نیز برای کلیه شرکت­های پیش­بینی شد. با استفاده از تحلیل واریانس سه روش مختلف پیش ­ بینی با یکدیگر مقایسه گردیدند. از آنجا که در مورد سی شرکت پیش ­ بینی قیمت توسط مدل­های ARIMA به طور معنی ­ داری نسبت به مدل ­ های شبکه عصبی نتایج بهتری ارائه نموده است می ­ توان اظهار داشت که مدل ­ های خطی _ ARIMA بهتر از مدل­های غیر خطی، شبکه­های عصبی_ توانسته ­ اند پیچیدگی­های سری­های زمانی قیمت سهام را تجزیه و تحلیل نموده و برای پیش­بینی قیمت سهام مورد استفاده قرار گیرند.