تحلیل قدرت برآورد رفتار آتی سهم با بهره گیری از شاخص های تحلیل فنی و شبکه عصبی و مقایسه با تکنیک های کلاسیک

پیش بینی کوتاه مدت قیمت سهام به دلیل ماهیت غیرخطی، پویا و آشوب گونه بازارهای مالی همواره یکی از چالش های اساسی سرمایه گذاران و تحلیلگران بوده است. هدف این پژوهش تحلیل قدرت برآورد رفتار آتی سهم با بهره گیری از شاخص های تحلیل فنی و شبکه عصبی مصنوعی و مقایسه آن با تکنیک کلاسیک ARIMA می باشد. بدین منظور ۱۰ شاخص فنی پرکاربرد شامل میانگین متحرک ساده و موزون، RSI، MACD، مومنتوم، CCI، استوکاستیک K و D، شاخص ویلیامز و شاخص تجمعی توزیعی از داده های روزانه پنج نماد معاملاتی «خساپا»، «فولاد»، «وبصادر»، «شبندر» و «حریل» در بورس اوراق بهادار تهران طی بازه زمانی ۵ ساله (۱۳۹۹ تا ۱۴۰۳) استخراج گردید. مدل شبکه عصبی از نوع پرسپترون چندلایه با دو لایه پنهان (هر کدام ۱۵ نرون) طراحی و پیاده سازی شد. ارزیابی مدل با معیارهای RMSE و R۲ نشان داد که شبکه عصبی در همه نمادها دارای دقت پیش بینی بالاتری نسبت به مدل ARIMA است. مهم تر آنکه مدل پیشنهادی توانست روند قیمت را با خطای میانگین درصد خطای مطلق کمتر از ۹ درصد در بدترین حالت دنبال کند. نتایج حاکی از آن است که تلفیق تحلیل تکنیکال با شبکه عصبی می تواند سیگنال های مفیدی برای تصمیم گیری در اختیار سرمایه گذاران قرار دهد. مدل پیشنهادی قابلیت استفاده در سیستم های کمکی تصمیم گیری و مدیریت ریسک در بازار سرمایه ایران را داراست.

Keywords:

پیش بینی قیمت سهام , شبکه عصبی مصنوعی , تحلیل تکنیکال , ARIMA , بورس اوراق بهادار تهران , یادگیری ماشین