Abstract:
یکی از راه های تامین سرمایه برای سرمایه گذاری، انتشار اوراق قرضه و سهام از طریق بازار بورس می باشد. افراد در این بازار انتظار دستیابی به سود را دارند. اولین و مهم ترین عاملی که در اتخاذ سرمایه گذاری در بورس فراروی سرمایه گذار قرار دارد عامل قیمت سهام است که به تبع آن مقوله ارزیابی و پیش بینی قیمت آینده نیز مطرح می شود. فعالان در این بازار درصدد دستیابی و به کارگیری روش هایی هستند تا با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند. مطالعه حاضر با هدف پیش بینی قیمت پایانی سهام- مطالعه موردی شرکت فرآورده های نفتی پارس- با بکارگیری داده های روزانه در دوره زمانی 13/8/1388 تا 11/11/1389 از طریق دو روش شبکه عصبی مصنوعی و رگرسیونی ARIMA صورت پذیرفته است. نتایج به دست آمده بوسیله مدل شبکه عصبی دارای خطای کمتر، قدرت توضیح دهندگی بالاتر و در نتیجه پیش بینی بهتری را نسبت به روش رگرسیونی نشان می دهد.
Stock exchange market is one of the important ways to investment. In this market، the investors are looking for the best securities to maximize the profit. Therefore، forecasting the stock price of next day has a vital role in purchasing such securities. To do this، application of Neural Networks financial forecasting has become very popular over the last few years. In this paper، for predicting the next day's close stock price of Pars Petroleum Company، Artificial Neural Network (ANN) and Autoregressive Integrated Moving Average (ARIMA) will be developed، used and compared. The data are daily collected and analyzed during 2009-2011. The findings indicate that forecasting the price by Neural Network is superior to ARIMA due to its less error coefficients and high explanatory ability.
Machine summary:
پیشبینی قیمت سهام شرکت فرآورده های نفتی پارس با استفاده از شبکه عصبی و روش رگرسیونی مطالعه موردی: قیمت سهام شرکت فرآوردههای نفتی پارس نوع مقاله : مقاله پژوهشی نویسندگان سید نظام الدین مکیان 1 فاطمه السادات موسوی 2 1 استادیار دانشگاه یزد 2 دانشجوی کارشناسی ارشد دانشگاه یزد چکیده یکی از راههای تامین سرمایه برای سرمایهگذاری، انتشار اوراق قرضه و سهام از طریق بازار بورس میباشد.
مطالعه حاضر با هدف پیشبینی قیمت پایانی سهام- مطالعه موردی شرکت فرآوردههای نفتی پارس- با به کارگیری دادههای روزانه در دوره زمانی 13/8/1388 تا 11/11/1389 از طریق دو روش شبکه عصبی مصنوعی و رگرسیونی ARIMA صورت پذیرفته است.
کلیدواژهها شبکه عصبی مصنوعی پیشبینی قیمت سهام مدل خودرگرسیون میانگین متحرک انباشته (ARIMA) عنوان مقاله [English] Stock Price Forecasting through Using ANN and ARIMA Techniques: A Case Study of Pars Petroleum Company نویسندگان [English] Seyed Nezame aldin Makian 1 Fateme sadat Mousavi 2 چکیده [English] Stock exchange market is one of the important ways to investment.
در این تحقیق، مدل شبکه عصبی فازی برای پیشبینی قیمت سهام طراحی شده و عملکرد این مدل به وسیله شش معیار با روش ARIMA مقایسه شده است.
7. جمعبندی و نتیجهگیری هدف اصلی این پژوهش پیشبینی قیمت سهام شرکت فرآوردههای نفتی پارس با استفاده از شبکه عصبی مصنوعی و مقایسه این تکنیک با روش رگرسیونی ARIMA بود.
ابتدا به تعیین بهترین ساختار شبکه برای پیشبینی قیمت پایانی سهام شرکت مورد مطالعه و سپس مقایسه عملکرد دو روش شبکه عصبی و ARIMA پرداخته شد.