پیش بینی شاخص کل قیمت سهام در بازار بورس تهران با استفاده از شبکه های عصبی مصنوعی

هدف از پژوهش حاضر پیش بینی شاخص قیمت کل سهام در بازار بورس تهران ( tepix ) با استفاده از شبکه عصبی و مقایسه آن با مدل رگرسیون خطی است . این شاخص نشاندهند? رکود و رونق بازار است و می تواند کمک زیادی به مسولان دولتی و بانک مرکزی دراجرای سیاستهایشان داشته باشد . برای پیش بینی شاخص قیمت سهام در بازار بورس تهران از متغیر های تأثیرگذار قیمت طلا و قیمت نفت ایران و نرخ ارز (دلار) استفاده شد ، متغیر شاخص قیمت سهام و قیمت طلا بصورت باوقفه در مدل ظاهر می شود .داده ها بصورت هفتگی به تعداد 314 می باشد که از این تعداد حدود 200 داده برای برآورد و 114 داده را برای داده های آزمایش در نظر گرفتیم . طراحی مدل شبکه عصبی بصورت:5 نرون در لایه ورودی ، 6 نرون در لایه پنهان و یک نرون در لایه خروجی انجام شد . با تغییر دادن توابع و تعداد نرون های لایه پنهان سعی شد شبکه ای که دارای کمترین میانگین خطا بود انتخاب شود . این شبکه های عصبی چندلایه پرسپترون را با الگوریتم پس انتشار خطا آموزش دادیم .با استفاده از مدل برآوردی رگرسیونی و شبکه عصبی ، داده های آزمایش مورد بررسی قرار گرفت . معیارهای mae ,rmse, u-thiel نشان از برتری نسبی روش شبکه عصبی دارد اما معیار mse به دلیل افزایش جمله خطا در روش رگرسیون خطی کمتر بود و از نظر اختلاف کم بین داده های واقعی و پیش بینی شده رگرسیون خطی دارای برتری بود .در مورد مدل arima نیز بررسی معیارهای بالا نشان از برتری نسبی شبکه عصبی دارد . درکل، شبکه عصبی در برآوردن شاخص کل قیمت سهام بورس اوراق بهادار تهران (tepix ) کارائی بالایی از خود نشان داد .