چکیده:
در ﭘﮋوﻫﺶ ﭘﯿﺶ رو ﻋﻤﻠﮑﺮد ﭘﺮﺗﻔﻮیﻫﺎی ﺗﺸﮑﯿﻞ ﺷﺪه از روﯾﮑﺮد ﭘﯿﺶﺑﯿﻨﯽ ﻗﯿﻤﺖ و ﭘﯿﺶﺑﯿﻨﯽ ﺗﻐﯿﯿﺮ ﺟﻬﺖ ﻗﯿﻤﺖ ﺑﺎ ﯾﮑﺪﯾﮕﺮ ﺑﻪ ﺟﻬﺖ ﺷﻨﺎﺳﺎﯾﯽ روﯾﮑﺮد ﻣﻨﺎﺳﺐﺗﺮ ﺑﺮای ﺳﺮﻣﺎﯾﻪﮔﺬاری، ﻣﻘﺎﯾﺴﻪ ﻣﯽﺷﻮد. ﺑﺪﯾﻦ ﻣﻨﻈﻮر در اﺑﺘﺪا ﺑﺎ اﺳﺘﻔﺎده از ﻣﺘﻐﯿﺮﻫﺎی ﺗﮑﻨﯿﮑﺎل، ﺑﻨﯿﺎدی و اﻗﺘﺼﺎد ﮐﻼن ﺷﺒﮑﻪﻫﺎﯾﯽ ﺑﺮای ﻫﺮ روﯾﮑﺮد ﺑﺎ وﻗﻔﻪﻫﺎی ﻣﺨﺘﻠﻒ و ﺗﻌﺪاد ﻧﺮونﻫﺎی ﻻﯾﻪ ﻣﺨﻔﯽ ﻣﺘﻔﺎوت ﺗﺸﮑﯿﻞ ﻣﯽﺷﻮد. ﺳﭙﺲ ﺷﺒﮑﻪای ﮐﻪ ﮐﻤﺘﺮﯾﻦ ﻣﻘﺪار ﺧﻄﺎ را ﺑﺮای روﯾﮑﺮد ﭘﯿﺶﺑﯿﻨﯽ ﻗﯿﻤﺖ و ﺑﯿﺸﺘﺮﯾﻦ ﻣﻘﺪار POCIDرا ﺑﺮای روﯾﮑﺮد ﭘﯿﺶﺑﯿﻨﯽ ﺗﻐﯿﯿﺮ ﺟﻬﺖ دارد ﺑﻪ ﻋﻨﻮان ﺷﺒﮑﻪ ﺑﻬﯿﻨﻪ ﺷﻨﺎﺧﺘﻪ ﻣﯽﺷﻮد. در ﻧﻬﺎﯾﺖ ﺑﺎ ﭘﯿﺶﺑﯿﻨﯽ 22دوره ، ﭘﺮﺗﻔﻮیﻫﺎﯾﯽ ﺑﺮ ﻣﺒﻨﺎی ﻫﺮ دو روﯾﮑﺮد ﺗﺸﮑﯿﻞ ﻣﯽﮔﺮدد. در اداﻣﻪ ﺑﺮای ﻫﺮ ﭘﺮﺗﻔﻮی ﺑﺎزدهای ﻫﻢ ﺑﻪ ﺻﻮرت ﻣﺮﮐﺐ و ﺑﻪ ﺻﻮرت ﺳﺎده ﻣﺤﺎﺳﺒﻪ ﺧﻮاﻫﺪ ﺷﺪ. ﺑﻌﺪ از اﻧﺠﺎم دادن آزﻣﻮن ﻣﺴﺘﻘﻞ ﺑﻮدن ﻧﺘﺎﯾﺞ دو روﯾﮑﺮد ﻋﻤﻞ ﻣﻘﺎﯾﺴﻪ اﻧﺠﺎم ﻣﯽﺷﻮد ﺗﺎ ﻧﺘﯿﺠﻪﮔﯿﺮی ﺻﻮرت ﭘﺬﯾﺮد. ﻧﺘﯿﺠﻪ ﭘﮋوﻫﺶ ﺻﻮرت ﮔﺮﻓﺘﻪ ﺣﺎﮐﯽ از ﺗﺎﯾﯿﺪ ﻓﺮﺿﯿﻪ و ﻋﻤﻠﮑﺮد ﺑﻬﺘﺮ روﯾﮑﺮد ﭘﯿﺶﺑﯿﻨﯽ ﺗﻐﯿﯿﺮ ﺟﻬﺖ در ﻣﻘﺎﯾﺴﻪ ﺑﺎ ﭘﯿﺶﺑﯿﻨﯽ ﻣﻘﺪار ﻗﯿﻤﺖ ﻣﯽﺑﺎﺷﺪ.
خلاصه ماشینی:
S. , 2000 5 Linear discriminant analysis 6 Binary choice models: logit and probit 7 Probabilistic neural networks 8 Adaptive exponential smoothing 9 Vector autoregression with Kalman flter updating 10 Multivariate transfer function 11 Support vector machine 12 Kara, Boyacioglu & Baykan, 2011 29 نهايت عملکرد شبکه عصبي در پيش بيني جهت قيمت با ٧٥.
دراين پژوهش سعي شده است با بهره گيري از پژوهش هاي صورت گرفته مذکور عملکرد پيش بيني تغيير جهـت در مقايسـه بـا پيش بيني مقدار قيمت بررسي شود که فرض اين پژوهش عملکرد بهتر پيش بيني تغيير جهت ميباشد.
مقادير بهينه رويکرد پيش بيني تغيير جهت (رجوع شود به تصویر صفحه) پس از يافتن شبکه بهينه ، در ادامه با آن شبکه ها ٢٢ دوره آينده پيش بيني ميگردد و سپس از نمادهايي که در پـيش بينـي بـا نتيجه مطلوبي همراه بودند پرتفويي تشکيل ميشود تا بدين وسيله عملکرد آنها با يکديگر مورد مقايسه قرار بگيرد.
مدل مورد استفاده در اين پژوهش مدل شبکه عصبي مصنوعي از نوع پيشخور مـيباشـد کـه نحـوه عملکـرد آن در شـکل زيـر نمايش داده شده است : 34 (رجوع شود به تصویر صفحه) شکل ٣.
, “Presenting Model of Stock Price Index with Neural Networks Approach (Case Study of Tehran Stock Exchange)”, Journal of Iran’s Economic Essays, 6, 11, Tehran, 83-108 4.
“Modeling of Stock Price Forecasting in Stock Exchange Market, using Fuzzy Neural Networks and Genetic Algorithms”, Journal of Quantitative Economics, 6, 4, 1-28 6.