به کارگیری معیارهای توقف یادگیری در پیش بینی قیمت سهام با استفاده از شبکه عصبی مصنوعی

پیش بینی وضعیت آینده همواره یکی از مباحث مورد توجه در حوزۀ مالی بوده است. قیمت سهام به عنوانمتغیری اساسی در بازار سرمایه و به دلیل قابلیت بهبود بازدهی سرمایه گذاری، متخصصان بازار مالی را برآن داشته است تابا استفاده از روش های مختلف، به پیش بینی آن بپردازند. یکی از روش های پیش بینی قیمت سهام که در چند دهۀ اخیر بهطور گسترده مورد استفاده قرار گرفته است، شبکه های عصبی مصنوعی می باشند. انتخاب متغیرهای مناسب و همچنینقابلیت تعمیم پذیری مورد قبول شبکه از موارد اصلی و با اهمیت در به کارگیری این شبکه ها به شمار می رود در اینپژوهش، برای افزایش تعمیم پذیری شبکه و افزایش قابلیت اتکای نتایج بدست آمده، از دو معیار تویف یادگیری منظم سازیبیزی و توقف زودهنگام استفاده شده است برای طراحی مدل پیش بینی با شبکه عصبی از قیمت های چهارگانه سهام وهمچنین شاخص های تحلیل تکنیکی در دوره زمانی 5 سایه، برای شرکت هایی که در این سال ها بیشتری تعداد روزهایمعاملاتی را داشته اند، به عنوان متغیر ورودی استفاده شده است همچنین قیمت سهام در روز بعد متغیر خروجی می باشد.سپس عملکرد شبکه های عصبی با استفاده از این معیارها با عملکرد شبکه بدون استفاده از معیارهای توقف مورد بررسی ومقایسه قرار گرفته است. نتایج حاصل از ارزیابی ها نشان می دهد که استفاده از معیارهای توقف موجود کاهش بیش برازش ودر نتیجه بهبود عملکرد شبکه عصبی شده و قابلیت تعمیم پذیری آن ها را به طور معنی داری افزایش می دهد.

Keywords:

پیش بینی قیمت سهام , توقف زودهنگام , منظم سازی بیزی , شبکه عصبی مصنوعی