چکیده:
مهمترین مسئله برای سر مایه گذاران فعال در بازار سر مایه، پیش بینی قیمت سهام
میباشد.هدف اصلی این مطالعه نیز بر رسی کاربرد پیش بینی قیمت سهام به وسیله
شاخصهای تحلیل تکنیکی با استفاده از شبکههای عصبی و مقایسه این روش با سایر
روشهای پیش بینی از جمله شبکه عصبی استفاده کننده از قیمت سهام و مدلهای AMIRA
میباشد. در این تحقیق قیمت سهام ده روز آینده چهل شرکت فعال در بورس اوراق بها
دار تهران با استفاده از سه روش مختلف پیش بینی میشود.در روش اول با استفاده از یک
شبکه عصبی پیش خور تک لایه با الگوریتم یاد گیری لونبرگ-مارکوات و معیار عملکرد
میانگین مربعات خطا با ورودی ارزش بازار، قیمت پیش بینی میشود.سپس علاوه بر ورودی
ارزش بازار، میانگینهای متحرک پنج، ده و بیست روزه و COR و ISR دوازده
روزه نیز به عنوان ورودی به شبکه معرفی گردید و پیش بینی صورت گرفت.قیمت سهام با
استفاده از مدلهای AMIRA نیز برای کلیه شرکتهای پیش بینی 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 AMIRA به طور معنی داری نسبت به مدلهای
شبکه عصبی نتایج بهتری ارائه نموده است میتوان اظهار داشت که مدلهای خطی- AMIRA
بهتر از مدلهای غیر خطی، شبکههای عصبی-توانستهاند پیچیدگیهای سریهای زمانی
قیمت سهام را تجزیه و تحلیل نموده و برای پیش بینی قیمت سهام مورد استفاده قرار
بگیرند.
خلاصه ماشینی:
"از آنجا که در مورد سی شرکت پیش بینی قیمت توسط مدلهای AMIRA به طور معنی داری نسبت به مدلهای شبکه عصبی نتایج بهتری ارائه نموده است میتوان اظهار داشت که مدلهای خطی- AMIRA بهتر از مدلهای غیر خطی، شبکههای عصبی-توانستهاند پیچیدگیهای سریهای زمانی قیمت سهام را تجزیه و تحلیل نموده و برای پیش بینی قیمت سهام مورد استفاده قرار بگیرند.
مجموع مربعات خطای نرمال پیش بینی برای ده دوره محاسبه میگردد: (به تصویر صفحه مراجعه شود) پیش بینی قیمت سهام با استفاده از مدلهای AMIRA هدف از تجزیه و تحلیل سریهای زمانی مطالعه ساختار پویای دادهها است.
(به تصویر صفحه مراجعه شود) 5-پیش بینی قیمت سهام برای ده دوره آتی با استفاده از شبکه عصبی استفاده کننده از قیمت (ارزش بازار)و شاخصهای تحلیلی فقط در مورد دو شرکت معرفی شده در جدول(9)، در هیچ کدام از دورهها بیش از پنج در صد اختلاف با قیمت واقعی نداشت و در 38 مورد(95 در صد)اختلاف پیش بینی قیمت با قیمت واقعی حد اقل در یک روز بیش از پنج در صد اختلاف داشت.
9-از آنجا که در مورد سی شرکت معادل 75 در صد کل حجم نمونه، پیش بینی قیمت توسط مدلهای AMIRA به طور معنی داری نسبت به مدلهای شبکه عصبی نتایج بهتری ارائه نموده است میتوان اظهار داشت که مدلهای خطی بهتر از مدلهای غیر خطی میتوانند پیچیدگیهای سریهای زمانی قیمت سهام را تجزیه و تحلیل نموده و برای پیش بینی قیمت مورد استفاده قرار گیرند."