چکیده
شبکههای عصبی مصنوعی – امروزه بازار سرمایه از ارکان اساسی نظام اقتصادی هرکشوری به شمار میرود. این بازار محل تجمیع منابع ارزان قیمت، سرگردان و پراکنده به سمت واحدهای مختلف اقتصادی است. نماد بازار سرمایه، بورس اوراق بهادار و نهادهای وابسته میباشد. عملکرد صحیح بورس میتواند پیامدهای ارزشمندی مانند رشد و توسعه اقتصادی را به همراه داشته باشد. اما برای آنکه بتوان پساندازها را به سوی این بازار هدایت کرد باید اعتماد سرمایهگذاران را جلب نمود.
شبکههای عصبی مصنوعی – بدین منظور ابتدا به این موضوع پرداختیم که آیا اساساً پیشبینی قیمت سهام امکان پذیر است. و سپس اقدام به پیشبینی حداقل و حداکثر قیمت سهام بانکها (بانک ملت) به عنوان نقاط هدف سرمایهگذاری با استفاده از متغیرهای قیمت باز شدن سهام، قیمت بسته شدن سهام، ماکزیمم قیمت سهام، مینیمم قیمت سهام، شاخص کل بازار بورس تهران ( به عنوان نمایندهی کل بازار). شاخص بانکها ( به عنوان نمایندهی صنعت بانکداری)، قیمت دلار آمریکا (نرخ ارز) و همچنین میانگین متحرک موزون قیمت بسته شدن سهام برای 21 روز گذشته،که به صورت روزانه از تاریخ 05/05/1390 تا 27/04/1395 جمع آوری شده است با استفاده از شبکه ی عصبی پرسپترون چند لایه (MLP) و شبکهی عصبی تابع پایه شعاعی (RBF) کردیم. بدین منظور ابتدا پیشپردازشی بر روی دادهها انجام داده، سپس همبستگی بین متغیرهای مستقل با متغیر وابسته را با توجه به هدف مسئله مورد بررسی قرار داده و این موضوع را بررسی کردیم که آیا امکان کاهش ابعاد مسئله وجود دارد؟ و سپس اقدام به طراحی شبکهی عصبی نمودیم.
بدین منظور از 80 درصد از دادهها، که به صوررت تصادفی انتخاب شده بود به منظور آموزش شبکه و از 20 درصد باقی مانده برای آزمایش شبکه استفاده کرده و بهترین ساختار را برای شبکهی عصبی انتخاب کردیم، و به منظور اطمینان از عملکرد شبکهی عصبی طراحی شده این آزمایش را 10 بار تکرار نمودیم. نتایج تحقیق نشان میدهد که هر دو شبکه عصبی طراحی شده توانایی بالایی در پیشبینی حداقل و حداکثر قیمت روز بعد سهام دارند. اما با این حال شبکهی عصبیMLP نتایج بهتری را برای پیشبینی حداقل و حداکثر قیمت روز بعد سهام نسبت به شبکهی عصبی RBF ارائه میدهد.