ناصر شهسواری - دانشجو، کارشناسی ارشد حسابداری، گروه حسابداری، دانشکده علوم پایه دانشگاه آزاد اسلامی واحد الکترونیک
هدی همتی - دکتری حسابداری، گروه حسابداری، دانشکده علوم پایه دانشگاه آزاد اسلامی واحد الکترونیک
علی باغانی - دکتری حسابداری، گروه حسابداری، دانشکده علوم پایه دانشگاه آزاد اسلامی واحد الکترونیک

در این مقاله سعی بر این است که در سه مجموعه داده از قیمت سهام در بازه زمانی سریع، نرمال و کند؛ مشخص نماییم که کدام یک از مدل های شبکه های عصبی LoLiMoT,، RBF بهترین برآورد و پیش بینی را از قیمت آینده سهام ارایه خواهند داد و برای نیل به این هدف از دو معیار خطای MSE و RMSE استفاده شده و در نهایت با مقایسه این خطاها بهترین مجموعه جهت استفاده در پیش بینی ها را مشخص خواهیم نمود.

پیش بینی، شبکه های عصبی، RBF، LoLiMoT