پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت منابع انسانی دانشگاه تهران

2 استادیار و عضو هیأت علمی دانشگاه علامه طباطبایی تهران

3 کارشناس ارشد مدیریت فناوری اطلاعات دانشگاه علامه طباطبایی تهران

4 کارشناس ارشد مدیریت فناوری اطلاعات دانشگاه الزهرا (س) تهران

چکیده

پیش­بینی تغییر قیمت سهام به عنوان یک فعالیت چالش­انگیز در پیش­بینی     سری­های زمانی مالی در نظر گرفته می­شود. یک پیش­بینی صحیح از تغییر قیمت سهام می­تواند سود زیادی را برای سرمایه­گذاران به بار آورد. با توجه به پیچیدگی داده­های بازار بورس، توسعه مدل­های کارآمد برای پیش­بینی بسیار دشوار است. در این پژوهش، مدلی برای پیش­بینی قیمت سهام شرکت­های بورس اوراق بهادار تهران با بکارگیری داده­های درون­زا و برون­زای شرکت توسط شبکه­های عصبی مصنوعی (پرسپترون چندلایه) ارائه شده است. همچنین مطالعه حاضر درصدد نشان دادن توانایی قابل­قبول، شبکه­های عصبی مصنوعی، خصوصاً شبکه­های پس انتشار با الگوریتم­های توسعه­یافته، به منظور پیش­بینی قیمت سهام شرکت­ها است. علاوه بر این موضوع، با توجه به استفاده از داده­های کلان اقتصادی مثل نرخ تورم، قیمت ارز، شاخص­های کلان بورس اوراق بهادار و قیمت طلا همراه با داده­های درونی شرکت (نسبت­های مالی و اطلاعات سهام) در مدل پیشنهادی، این پژوهش نتایجی با قابلیت اتکای بیشتر نسبت به پژوهش­های مشابه، ارائه شده است. نتایج این تحقیق نشان می­دهد که معماری 3 لایه با 8 نورون در لایه اول، 4 نورون در لایه دوم و 2 خروجی و معماری 2 لایه با 12 نورون در لایه اول و 2 خروجی مدل­های مناسبی می­باشند.

کلیدواژه‌ها


آذر، عادل و افسر، امیر (1385). "مدل­سازی پیش­بینی قیمت سهام با رویکرد شبکه­های عصبی فازی". پژوهش نامه بازرگانی، شماره 40.##آذر، عادل و رجب زاده، علی (1383). "ارزیابی روش­های پیش بینی ترکیبی: با رویکرد شبکه­های عصبی ـ کلاسیک در حوزه اقتصاد". فصلنامه تحقیقات اقتصادی، شماره 63.##البرزی، محمود؛ یعقوب نژاد، احمد و مقصود، حسین (1387). "کاربرد شبکه­های عصبی مصنوعی در پیش­بینی شاخص بازده نقدی و قیمت سهام". فصلنامه مطالعات تجربی حسابداری مالی، شماره 22.##بیل، آر و جکسون، تی (1386). "آشنایی با شبکه­های عصبی"، ترجمه البرزی محمود، تهران: موسسه انتشارات علمی دانشگاه صنعتی شریف.##راعی، رضا و فلاح پور، سعید (1383). "پیش­بینی درماندگی مالی شرکت­ها با استفاده از شبکه­های عصبی مصنوعی". دوفصلنامه تحقیقات مالی، شماره 17.##سرمد، زهره؛ بازرگان، عباس و حجازی، الهه (1388). "روش­های تحقیق در علوم رفتاری" (چاپ هفدهم). تهران: آگاه.##فاست، لوران (1388). "مبانی شبکه­های عصبی مصنوعی: ساختارها، الگوریتم ها و کاربردها". ترجمه ویسی هادی، مفاخری کبری و شورکی سعید باقری، تهران: نشر نص.##قاسمی، عبدالرسول؛ اسدپور، حسن و شاصادقی، مختار (1379). "کاربرد شبکه عصبی در پیش­بینی سری­های زمانی و مقایسه آن با مدل "ARIMA. پژوهش نامه بازرگانی، شماره 14.##کیا، مصطفی (1389). "شبکه های عصبی در Matlab"، (چاپ سوم). تهران: کیان رایانه سبز.##منهاج، محمد باقر (1389). "مبانی شبکه­های عصبی مصنوعی"، تهران: دانشگاه صنعتی امیر‌کبیر (پلی‌تکنیک تهران). ##مهدوی، غلامحسین و بهمنش، محمدرضا (1386). "بررسی جایگاه شرکت­های سرمایه­گذاری در بازار سرمایه (با تأکید بر صندوق­های       سرمایه­گذاری)".  فصلنامه دانش و پژوهش حسابداری، شماره 10.##کریمی، فرزاد؛ سعادت­فر، نصراله؛ سالمی نجف آبادی، مهدی (1393). "پیش­بینی بازده فرصت­های سرمایه­گذاری در بازارهای مالی ایران با توجه به رفتار متقابل بازارها و تشکیل سبد بهینه سرمایه­گذاری به وسیله هوش مصنوعی". مجله مدیریت دارایی و تأمین مالی. سال دوم، شماره 4.##
Avci, E. (2007). "Forecasting daily and sessional returns of the ISE-100 index with neural network models". Journal of Dogus University, 8(2).##Bodyanskiy, Y., & Popov, S. (2006). "Neural network approach toforecasting of quasiperiodic financial time series". European Journal ofOperational Research, 175(3).##Chapados, N., & Bengio, Y. (2001). "Cost  functions and model combination for VaR-based asset allocation using neural network". IEEE Transaction on Neural Networks, 12.##Chen, A. S., Leung, M. T., Daouk, H. (2003). "Application of neural networks to anemerging financial market: Forecasting and trading the Taiwan Stock Index". Computers & Operations Research, 30(6).##Diamond, P. A. (1967). "The Role of a Stock Market in a General Equilibrium Model with Technological Uncertainty". American Economic Review, 57 (4).##Datar, N. V., & R., R. (1998). "Liquidity and stock returns: an alternative test". Journal of Financial Markets, 1 (1).##Dropsy, Vincent (1996). "Do macroeconomic factors help in predictinginternational equity risk premia?". Journal of Applied Business Research,12.##Eakins, Stanley G., & Stansell, Stanley R. (2003). "Can value-based stock selection criteria yield superior risk-adjusted returns: An applicationof neural networks". International Review of Financial Analysis, 12.##Egeli, B., Ozturan, M., & Badur, B. (2003). "Stock market prediction using artificialneural networks". In Proceedings of the third Hawaii international conference onbusiness, Honolulu, Hawai.##Ellis, Craig, & Wilson, Patrick J. (2005). "Can a neural network propertyportfolio selection process outperform the property market?". Journal ofReal Estate Portfolio Management, 11.##Kara, Y., Boyacioglu, M.A., Baykan, O.K. (2011). "Predicting direction of stock price index movement using artificial neuralnetworks and support vector machines: The sample of the Istanbul Stock Exchange". Expert Systems with Applications, 38.##Kim, K., & Han, I. (2000). "Genetic algorithms approach to feature discretization inartificial neural networks for the prediction of stock price index". Expert Systems with Applications, 19.##Kim, S. H., & Chun, S. H. (1998).Graded forecasting using an array of bipolarpredictions: Application of probabilistic neural networks to a stock market index. International Journal of Forecasting, 14.##Kimoto, T., Asakawa, K., Yoda, M., & Takeoka, M. (1990). "Stock market predictionsystem with modular neural networks". In Proceedings of the international jointconference on neural networks, San Diego, California.##Ko, P.C., & Lin, P.C. (2006). "An evolution-based approach with modularized evaluations to forecast financial distress". Knowledge Based Systems, 19.##Ko, P.C., Lin, P.C. (2008). "Resource allocation neural network in portfolio selection". Expert Systems with Applications, 35.##Lam, M. (2004). "Neural network techniques for financial performance prediction: integrating fundamental and technical analysis". Decision Support Systems, 37.##Leung, M. T., Daouk, H., & Chen, A. S. (2000). "Forecasting stock indices: A comparison of classification and level estimation models". International Journal of Forecasting, 16.##Majhi, R., Panda, G., Sahoo, G. (2009). "Efficient prediction of exchange rates with low complexityartificial neural network models". Expert Systems with Applications, 36.##Manish, K., & Thenmozhi, M. (2005). "Forecasting stock index movement: A comparison of support vector machines and random forest". In Proceedings of ninth Indian institute of capital markets conference, Mumbai, India.http://ssrn.com/abstract=876544.## Mostafa, M.M. (2010). "Forecasting stock exchange movements using neural networks: Empirical evidence from Kuwait". Expert Systems with Applications, 37.##Olson, D., & Mossman, C. (2003). "Neural network forecasts of Canadian stock return using accounting ratios". International Journal of Forecasting, 19(3).##Smith, G. (2007). "Random walks in Middle Eastern stock markets". Applied Financial Economics, 17.##Tan, T.Z., Quek, C., & See, Ng. G. (2007). "Biological brain - inspired genetic complementary learning for stock market and bank failure prediction". Computational Intelligence, 23(2).##Taskaya-Temizel, T., & Casey, M.C. (2005). "A comparative study of autoregressive neural network hybrids". Neural Networks. 18.##