خلاصة:
پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سریزمانی در پیشبینی قیمت شاخص سهام میپردازد. بدین جهت سه مدل از شبکههای عصبی(پروسپترونی چند لایه ،پایهای شعاعی و رگرسیونی) و یک مدل از مدلهای سریزمانی (باکس- جنکینز) مورد بررسی قرار گرفته اند. شاخص کل قیمت سهام بازار بورس تهران در بازه زمانی ابتدای فروردین 1384 تا انتهای اسفند 1388 به عنوان جامعه آماری انتخاب شده است. به منظور داشتن معیاری برای مقایسه از چهار معیار خطای ریشه میانگین مربع خطا ،میانگین قدر مطلق درصد خطا، میانگین قدر مطلق خطا وضریب تعیین استفاده شده است. برای آموزش مدل ها از 80 درصد داده ها معادل 913 روز از اول فروردین سال 1384تا 31 فروردین سال 1388 استفاده شده و مدلهای طراحی شده قادر هستند 299روز آتی را پیشبینی نمایند.برای ساختن 3 مدل شبکه عصبی از محیط نرم افزار Matlab و برای ساختن مدل سریزمانی باکس-جنکینز از نرم افزارهای Spss وEviews استفاده شده است. نتایج حاصله حاکی از آن است که 3 مدل شبکه عصبی از لحاظ 4 معیار خطا نسبت به مدل سریزمانی آریما برتری دارد.از طرفی از میان 3 مدل شبکه عصبی به کار رفته به ترتیب، مدل شبکه عصبی پایهای شعاعی و پس از آن مدل شبکه عصبی پروسپترون چند لایه بهترین عملکرد و شبکه عصبی رگرسیونی بدترین عملکرد را دارا می باشند.
ملخص الجهاز:
بر طبق مباحث مطروحه پرسش زير مطرح ميشود: آيا براي پيش بيني شاخص کل قيمت سهام بازار بورس تهران ، مدل هاي شبکه عصبي قابليت پيش بيني بهتري نسبت به مدل خطي باکس – جنکينز ٩دارند؟ تاثيرپذيري از عوامل مختلف چه به صورت مستقيم چه غيرمستقيم از تحولات اقتصادي و اجتماعي که تعداد آنان در دهه اخير کم نبوده باعث تحولات و چرخه هايي در روند قيمت سهام در بورس اوراق بهادار شده است .
[ Leung and ٢٠٠٠,Chen] و [١٩٩٨ ,Brown Geotzmann andKumar] مدلهاي مختلف شبکه هاي عصبي براي پيش بيني سريهاي زماني مورد استفاده قرار گرفته است از قبيل MLP١٠ شبکه هاي عصبي پرسپترون چند لايه [١٩٩٩,Chandra, and Reeb] ،TNN شبکه هاي عصبي مبتني بر تاخير زماني١١و RNN شبکه عصبي هاي تکرار پذير١٢ هستند.
همچنين فرضيه هاي فرعي نيز به صورت ذيل در نظر گرفته شده است : ١) روش هاي شبکه عصبي از لحاظ شاخص هاي خطاي ريشه ميانگين مربع خطا، ميانگين قدر مطلق درصد خطا،ميانگين قدرمطلق خطا و ضريب تعيين در پيش بيني شاخص کل قيمت سهام بازار سهام تهران ، از روش باکس - جنکينز برتر است .
٢) روش شبکه عصبي پروسپترون چند لايه از لحاظ شاخص هاي خطاي ريشه ميانگين مربع 3 خطا، ميانگين قدر مطلق درصد خطا،ميانگين قدرمطلق خطا وضريب تعيين در پيش بيني شاخص کل قيمت سهام بازار بورس تهران ، از روش شبکه عصبي پايه اي شعاعي برتر است .
٣) روش شبکه عصبي پايه اي شعاعي از لحاظ شاخص هاي خطاي ريشه ميانگين مربع خطا، ميانگين قدر مطلق درصد خطا،ميانگين قدر مطلق خطا وضريب تعيين در پيش بيني شاخص کل قيمت سهام بازار بورس تهران ،از روش شبکه عصبي رگرسيوني برتر است .