کاربرد روش تکنیکال برای پیش بینی قیمت سهام: رویکرد مدل های احتمال غیرخطی و شبکه های عصبی مصنوعی

  پیش­بینی حرکت قیمت سهام ازجمله مسائلی است که همواره تحلیل­گران و سرمایه­گذاران با آن مواجه هستند و آنان از ابزارهای مختلفی ازجمله تحلیل­های بنیادی و تکنیکال برای انتخاب سهام خوب و همچنین پیش­بینی روند قیمتی در روزهای آینده استفاده می­کنند. آنچه تحلیل­گران به آن توجه دارند، توانایی تحلیل تکنیکال در پیش­بینی­های کوتاه مدت می­باشد. بدین منظور، در این مقاله، مدل­هایی با استفاده از ابزارهای شبکه عصبی، لاجیت، پروبیت و مقدار حدی به منظور پیش­بینی جهت حرکت قیمت سهم در روز بعد ارائه شده است. برای پیاده­سازی و مقایسه مدل های ارائه شده، برخی از شاخص­های تکنیکال روزانه سهام شرکت ایران­خودرو در بورس اوراق بهادار تهران که ازجمله سهام­های مورد اقبال سرمایه­گذاران می­باشد، بررسی شده است. بازه زمانی موردبررسی سال­های 1392 تا 1397 بوده است. نتایج این پژوهش نشان می­دهد که در آزمون نا پارامتری برابری نسبت­ها، ازلحاظ آماری مدل های ارائه شده تفاوت معناداری باهم نداشته­اند، اما معیارهای سنجش خطا بیان می­کند که مدل پروبیت، خطای کمتری در پیش­بینی سهام در بازار بورس تهران دارد.  

Keywords:

بورس اوراق بهادار تهران , پروبیت , شاخص تکنیکال , شبکه های عصبی مصنوعی , لاجیت