مقایسه مدل های شبکه عصبی با مدل سری زمانی باکس- جنکینز در پیش بینی شاخص کل قیمت سهام بورس اوراق بهادار تهران
Abstract(in Persian; no English abstract is available)
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.