چکیده:
در این تحقیق مدلی برای پیشبینی قیمت سهام شرکتهای سرمایهگذاری با استفاده از شبکههای عصبی مصنوعی طراحی و ارائه شده است.جهت طراحی مدل از یک شبکه عصبی سه لایه؛ تابع انتقال سیگموئید، مقدار آلفای 7/0، مقدار اتای 2/0 و نرمافزار وین ان ان استفاده شده است. متغیرهای ورودی شبکه شامل خالص داراییها، درآمد ناشی از فروش سهام، درآمد ناشی از سرمایهگذاری، ارزش بازار پر تفوی، سود هر سهم و نسبت P/E شرکت سرمایهگذاری البرز و خروجی شبکه قیمت سهام شرکت مزبور است.نتایج تحقیق نشان میدهد که اگر یک شبکه عصبی مصنوعی درست آموزش ببیند، میتواند روابط بین متغیرها را شناسایی کرده و در پیشبینی قیمت سهام شرکتهای سرمایهگذاری با حداقل خطا(در این تحقیق 044/0)موثر واقع شود.
خلاصه ماشینی:
"بنابراین، با مراجعه به کارگزاران بورس و مشورت با آنها، بیشتر آنها به این موضوع اذعان داشتند که سرمایهگذاران برای تصمیمات مربوط به خرید و فروش سهام شرکتهای سرمایهگذاری از اطلاعاتی مانند خالص داراییها، درآمد ناشی از فروش سهام، درآمد ناشی از فعالیتهای سرمایهگذاری، ارزش بازار پرتفوی سهام، نسبت E/P ، سود هر سهم و شایعات بازار استفاده میکنند.
مراحل طراحی مدلبرای پیشبینی بلندمدت قیمت سهام از هفت متغیر اصلی اثرگذار بر قیمت سهام (طبق نظر بعضی از کارگزاران)تنها از شش عامل در طراحی مدل استفاده شده و عامل هفتم که اثر شایعات بر قیمت سهام است، به طور مستقیم در مدل دخالت داده نشده است؛زیرا عامل شایعات قبلا اثر خود را بر سایر متغیرهای ورودی شبکه(درآمد فروش سهام، درآمد ناشی از سرمایهگذاری، خالص داراییها، ارزش بازار پرتفوی سهام شرکتهای تحت تملک شرکت سرمایهگذاری البرز، بازده و سود هر سهم شبکه)گذاشته است.
ورودیهای شبکه شامل درآمد فروش سهام، درآمد ناشی از سرمایهگذاری، خالص داراییها، ارزش بازار پرتفوی سهام شرکتهای تحت تملک شرکت سرمایهگذاری البرز، بازده و سود هر سهم و خروجی شبکه میانگین ماهانه قیمت سهام است که در زیر به توضیح اطلاعات مندرج در جدول(1)پرداخته میشود.
نتیجه حاصل از مدل طراحی شده نشان میدهد که اگر یک شبکه عصبی مصنوعی درست آموزش ببیند میتواند روابط بین متغیرها را(هر چند پیچیده و غیر خطی باشد)شناسایی کند و در پیشبینی قیمت سهام شرکتهای سرمایهگذاری مؤثر واقع شود همانطور که در این تحقیق با بررسی دوره زمانی سه ساله 1/1/1380 تا 29/12/1382 و پیشبینی قیمت سهام یک ماهه منتهی به 30/1/1383 با حداقل خطا(در این تحقیق 044/0)مؤثر واقع شده است."