ارزیابی پیش بینی پذیری قیمت سهام با استفاده از شبکه های عصبی فازی در بورس تهران

فعالان بورس برای تصمیم­گیری در بازارهای مالی و کسب حداکثر بازدهی نیازمند ابزارهای پیشرفته و کاربردی هستند تا با دقت مناسب به پیش بینی بپردازند. در این راه ضروری است ارزیابی پیش­بینی­ها متناسب با حوزه­ی مالی انجام شود. این مقاله برای دست­یابی به این هدف قیمت سهام پنجاه شرکت بورس تهران را با استفاده از شبکه های عصبی فازی پیشخور مدل­سازی کرده است. همچنین با استفاده از سیستم کنترلگر انفیس، مدل شبکه عصبی در هر تکرار کنترل می شود. برای انجام محاسبات از قیمت های روزانه سهام شرکت های بورسی از آذر ۱۳۸۴ تا آذر ۱۳۹۴ استفاده شده است. دقت پیش بینی ها نیز ابتدا بر مبنای چهار شاخص های معتبر آماری ارزیابی گردید. سپس با استفاده از روش نرخ برخورد، صحت پیش بینی­ها ارزیابی شده است. نتایج نشان می­دهد دقت پیش بینی­ شبکه های عصبی فازی بسیار بالاست؛ همچنین در برخی موارد با وجود اینکه پیش بینی مربوط به یک سهم دارای دقت بالاتری دارد، از صحت پایین تری برخوردار است؛ لذا برآورد صحت پیش­بینی­ها در ارزیابی پیش­بینی­ها سهمی تاثیرگذار دارد؛ از این رو پیشنهاد می­شود در انجام و ارزیابی مدل های پیش بینی علاوه بر توجه به خطاهای آماری مرسوم از روش­های کیفی ارزیابی صحت پیش بینی­ها نظیر معیار نرخ برخورد استفاده شود.

Keywords:

Neural Networks , Prediction , Stock Return , Tehran Stock Exchange , شبکه های عصبی مصنوعی , پیش بینی , بازده قیمت سهام , بورس تهران