مقایسه عملکرد مدل های narx و mlp در پیش بینی شاخص بورس اوراق بهادار تهران

مدلها و ابزارهای جدید به صورت چشم گیری در بازارهای بورس بسیاری کشورها استفاده می شود؛ لکن در کشور ما مفاهیم و تئوری های جدید در این حوزه، یا کاملا ناشناخته اند یا راهی به سوی کاربرد مستقیم نیافته اند. در همین راستا و با توجه به اهمیت شناسایی الگوی حرکتی قیمت سهام برای پیش بینی قیمت‎های آتی، برای سرمایه گذاران و برنامه ریزان اقتصادی، در این تحقیق پس از بررسی روش های موجود پیش بینی در حوزه بازار سرمایه، به بررسی سیستم های هوشمند غیرخطی شبکه های عصبی مصنوعی پرداختیم. سپس برای پیش بینی شاخص کل بورس اوراق بهادار تهران از دو مدل شبکه عصبی ایستای mlp و شبکه عصبی پویای narx برای پیش بینی شاخص یک دوره بعد استفاده کردیم. در فرآیند پیش بینی با شبکه های عصبی، فاکتورهای مهمی وجود دارد و در صورتی که تمامی این فاکتورها به طور صحیح انتخاب گردد؛ می توان انتظار داشت که شبکه عصبی پیش بینی مناسبی داشته باشد. در این تحقیق سعی شد از شاخص های بورس در کنار متغیرهای کلان اقتصادی، به عنوان متغیر ورودی برای پیش بینی استفاده شود؛ و متغیرهایی که قدرت پیش بینی بالاتری دارند در مدل نگاه داری شوند. خطای شبکه های عصبی با معیار ریشه میانگین مربعات خطا (rmse) با یکدیگر مقایسه شد و در نهایت نتایج برخلاف انتظار ما نشان داد که پیش بینی شاخص کل با مدل mlp دارای خطای کمتری نسبت به پیش بینی با مدلnarx است.