ارزیابی توانایی مدل داده کاوی در پیش بینی قیمت سهام

اهمیت ویژه بازارسرمایه درتوسعه اقتصادی ازطریق هدایت موثرسرمایه ها و تخصیص بهینه منابع غیرقابل انکار است سرمایه گذاری دربازار سرمایه مستلزم تصمیم گیری می باشد که این خود نیازمند دستیابی به اطلاعاتی درخصوص وضعیت اینده قیمت بازار سهام می باشد لذا درصورتی که بتوان روند اتی بازار سهام را با روشهای مناسب پیش بینی نمود سرمایه گذار میتواند بازده حاصل ازسرمایه گذاری خود را بیشینه سازد این تحقیق به بررسی دقت مدلهای تخمینگر بردارپشتیبان sVR تخمینگرحداقل درجه LARS شبکه عصبی - فازی ANFIS جهت پیش بینی قیمت سهام درسه سطح روزانه هفتگی وماهیانه می پردازد جامعه اماری این تحقیق دربرگیرنده کلیه شرکت های پذیرفته شده دربورس اوراق بهاداردربازه زمانی 1380الی1389 می باشد که نمونه مورد بررسی شامل 10 شرکت می باشد نتایج نشان میدهد که هرسه مدل قابلیت پیش بینی قیمت سهام را دارا هستند اما مدلهای تخمینگر بردارپشتیبان sVR و شبکه عصبی - فازی دردوسطح داده ها یروزانه و هفتگی توانایی بالاتری جهت پیش بینی قیمت سهام دارا می باشند

Keywords:

تخمینگربردارپشتیبان Svr , تخمینگر حداقل درجه LARS , شبکه عصبی - فازی ANFIS