پیش بینی یکی از مهمترین مسایل تمامی اعصار بوده است، در عصر حاضر نیز پیچیدگی فراوان و تغییرات بسیار بازار سرمایه، ارتباط گنگ بین رویدادها و قیمت ها و پویایی زیاد بازار سرمایه
پیش بینی قیمت سهام را یکی از چالش برانگیزترین و در عین حال پر اهمیت ترین مسایل روز نموده است. در این مقاله سعی شده است که عوامل متعدد موثر بر قیمت سهام بررسی گردیده و سپس با استفاده از دو مدل شبکه عصبی
MLP ،
RBF قیمت سهام بانک صادرات ایران به عنوان نمونه موردی از بازار اوراق بهادار، با سه مجموعه داده با سرعت تغییرات سریع (هر 20 ثانیه)، متوسط (هر یک ساعت) و کند (پایان هر روز)
پیش بینی شود و از سنجه های آماری MSE و RMSE برای تعیین میزان خطای هر کدام از مدل ها استفاده شده و از نرم افزار MATLAB نیز برای بیان اینکه کدام مدل، با کدام یک از مجموعه داده ها، امکان
پیش بینی بهتری را فراهم می کند بهره گرفته شده. در نهایت مشخص گردید که در مجموعه داده نوع اول مدل
MLP توان
پیش بینی بهتری از آینده را دارا می باشد اما این برتری در مجموعه داده دوم وسوم تغییر کرده و مدل
RBF توانست تقریب بهتری از آینده را ارایه نماید و در مجموع راهنمایی لازم را با توجه به نوع ماهیت بازار به خریدرا سهام ارایه نماید.