چکیده:
شبکه های عصبی مصنوعی مدل هایی ریاضی می باشند که الهام گرفته از سیستم عصبی و مغز انسان می باشند. در این تحقیق هدف محقق بر آن است که به پیش بینی قیمت سهام روز بعد در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چند لایه از شبکه‌های عصبی مصنوعی بپردازد، و با روش های مختلف خطای این پیش بینی را بهبود بخشد. قیمت گذاری بالای سهام می تواند با کاهش تقاضا برای سهام در دست واگذاری، فرایندخصوصی سازی را با شکست مواجه سازد و قیمت گذاری نازل سهام نیز با ایجاد شبهات متعدد در زمینه نحوه واگذاری اموال عمومی، شکست درازمدت سیاست واگذاری را به دنبال دارد. باتوجه به اهمیت این مقوله،نو پابودن بازارسرمایه و نیز عدم وجود موسسات تامین سرمایه و بانک‌های سرمایه‌گذاری در ایران، پیش‌بینی رفتار قیمت سهام و روند صعودی و یا نزولی بودن آن می‌تواند در تصمیمات و استراتژی‌های مدیران موثر باشد. مطالعه حاضر با هدف پیش بینی قیمت پایانی سهام با به کارگیری داده‌های روزانه از طریق شبکه عصبی صورت پذیرفته است. نتایج بدست آمده نشان می دهد که مدل شبکه عصبی دارای خطای پایین و قدرت توضیح دهندگی بالا و در نتیجه از قدرت پیش‌بینی خوبی برخوردار می باشد.
Artificial neural networks (ANN) are mathematical models inspired by human’s neural and brain system. This research deals with the next day price forecasting in Tehran’s stock market by MLP، and attempts، by various methods، to reduce the prediction error. High pricing of stocks may lead to low demand for negotiable stocks and the failure of privatization. Raising various doubts in the negotiation of public properties، low pricing results in the long-term failure of negotiation policies. With respect to the importance of this issue، the newness of stock market and the lack of financing institutes and investment banks in Iran، prediction of stock price trend and its ascending and descending order can influence the decisions and strategies of managers. Various variables affect stock prices among which the role of economic indices، such as exchange rate / oil price and gold price is significant.
The purpose of the present study is to predict the final prices of stocks by utilizing daily data through neural networks. The results indicate that the ANN model has low error and high explanatory and thus considerable forecasting power.
خلاصه ماشینی:
در اين تحقيق هدف محقق بر آن است که به پيش بيني قيمت سهام روز بعد در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چند لايه از شبکه هاي عصبي مصنوعي بپردازد، و با روش هاي مختلف خطاي اين پيش بيني را بهبود بخشد.
اهميت اين موضوع از آنجا ناشي مي شود که پيش بيني قيمت سهام در بازارهاي مالي يکي از متغيرهاي مهم در زمينه تصميم هاي سرمايه گذاري، قيمت گذاري اوراق بهادار(مشتقه ها )و مديريت ريسک است .
اگر بتوان شبکه عصبي را به عنوان يک مدل موفق در پيش بيني قيمت سهام به حساب آورد، وضعيت پيش بيني کنندگي آن در چه سطحي است ؟ نوسان نرخ ارز چه تاثيري بر پيش بيني قيمت سهام دارد؟ نوسان قيمت نفت چه تاثيري بر پيش بيني قيمت سهام دارد؟ نسبت P/E چه تاثيري بر پيش بيني قيمت سهام دارد؟ حجم مبادلات سهام شرکت چه تاثيري بر پيش بيني قيمت سهام دارد؟ ٢- مباني نظري و مروري بر پيشينه پژوهش در اين بخش ابتدا مباحث قيمت گذاري و استراتژي هاي استفاده شده در تحقيقات مبتني بر ارزشيابي و قيمت گذاري سهام تشريح و سپس مروري بر پژوهش هاي گذشته صورت مي پذيرد.
87-111،2000( )Journal of Empirical Finance; Vol. 7; ”market; ،”?Do Industries Lead Stock Markets“Rossen; ،Walter; Valkanov ،Harrison; Torous ، Hong (2006)accessed on June 23، Hussain,simon.
An Intelligent Stock Trading Decision Support System Through Integration of Genetic Algorithm Based Fuzzy Neural Network and Artificial Neural Network.
(
, 
, 
)
