تحلیل آشوب، تجزیۀ موجک و شبکۀ عصبی در پیش بینی شاخص بورس تهران
چکیده
این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکۀ عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دورۀ زمانی ۵ فروردین ۱۳۸۸ تا ۱۸ اردیبهشت ۱۳۹۱ استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دورۀ بررسی شده، پیش بینی پذیر بوده و آثار غیرخطی معیّن و آشوبی داشته است. همچنین برطبق معکوس آمارۀ حداکثر نمای لیاپانوف، تعداد روز های پیش بینی پذیر در این مطالعه، ۳۱ روز به دست آمد. یافتۀ دیگر این پژوهش نیز به برتری عملکرد مدل های شبکۀ عصبی چندلایۀ پیش خور ( mfnn ) و شبکۀ عصبی فازی ( anfis ) مبتنی بر داده های تجزیه شده به کمک تجزیۀ موجک در مقابل به کارگیری سطح داده ها دلالت دارد. دراین بین نیز برتری با مدل شبکۀ عصبی چندلایۀ پیش خور بوده است.