مقایسه مدل های شبکه عصبی با مدل سری زمانی باکس- جنکینز در پیش بینی شاخص کل قیمت سهام بورس اوراق بهادار تهران

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.