تشخیص نقاط شکست قیمت محصولات شرکت ذوب آهن اصفهان با بکارگیری طبقه بندی کننده های PNNs

قیمت محصولات و روند تغییرات آن از مؤثرترین عوامل در تصمیم گیری ها و تدوین استراتژی های مالی است. در این مقاله به منظور بررسی روند تغییرات قیمت محصولات شرکت ذوب آهن اصفهان در بورس فلزات تهران از شبکه های عصبی احتمالی که یکی از موفقترین و کاربردی ترین نوع از شبکه های عصبی مصنوعی در شناخت و طبقه بندی الگوها می باشند، استفاده شده است. نتایج حاصله که بصورت مقادیر باینری (1+ و 1-) بوده و به ترتیب بیانگر افزایش و کاهش قیمت نسبت به دوره قبلی می باشند، بیانگر توانایی شبکه عصبی احتمالی در تشخیص 80% از نقاط شکست قیمتها در داده های تست می باشند.