چکیده:
اوراق بهادار روش مطمئنی است برای جلب اعتماد عمومی جهت سرمایه گذاری درانواع اوراق بهادار با خطرهای متفاوت است و با این روش می توان سرمایه های کوچک و پراکنده را که به تنهایی نمی توانند مورد بهره برداری قرار گیرند جمع آوری نمود از آنها سرمایه هنگفتی جهت توسعه و پیشرفت اقتصادی فراهم آورد. در بورس های اوراق بهادار حساسیت های زیادی نسبت به روند قیمت وجود دارد این امر باعث گردیده تا تحولات مرتبط با چنین پدیده ای مورد تحلیل های منظم قرار گیرد . در سال های اخیر مدل های متفاوتی جهت پیش بینی قیمت سهام توسط محققین مورد استفاده قرار گرفته است و از آنجایی که تکنیک های هوش مصنوعی که شامل شبکه های عصبی، الگوریتم ژنتیک و منطق فازی است نتایج موفقیت آمیزی در زمینه حل مسایل پیچیده به دست آورده اند در این راستا بیشتر مورد بهربرداری قرار گرفته اند. هدف از این تحقیق رسیدن به این پاسخ است که آیا می توان با استفاده از ترکیب روش های هوش مصنوعی مدلی ایجاد نمود که نسبت به سایر روش های خطی و غیر خطی پیش بینی قیمت سهام (بورس اوراق بهادار تهران - شرکت ایران خودرو )را با میزان خطای کمتری انجام دهد. در این تحقیق جهت پیش بینی قیمت سهام از ترکیب روش های هوش مصنوعی شامل شبکه های عصبی – فازی و الگوریتم ژنتیک استفاده شده است و این مدل ترکیبی با روش های شبکه عصبی به عنوان یکی دیگر از مدل های هوش 2 مصنوعی و مدل خطی ARIMA با توجه به معیارهای MSE،MAPE،MAE، R مقایسه گردیده اند. نتایج این پژوهش نشان از برتری مدل ترکیبی نسبت به سایر مدل ها مورد بررسی دارد .
Stock exchange is a secure way to gain public trust for investment in different securities with varying risks. In this way small and scattered capitals which cannot be utilized alone can be accumulated and a huge investment can be made of them for economic development and progress. In stock exchange, there are a lot of sensitivities to price formation course. This has caused that changes related to such phenomenon to be systematically analyzed. In recent years, a variety of models have been employed by specialists for prediction of share price. Since Artificial Intelligence Techniques which include Neural Networks, Genetic Algorithm and Fuzzy Logic have achieved successful results in complex problems, they are used more for this purpose.
Present study intends to answer the question whether using a combination of Artificial Intelligence Technique, a model can be set up which compared to other linear and non-linear methods predicts share price with less error. In this research, to predict stock price (Tehran stock exchange - Iran Khodro CO), a combination of Artificial Intelligence Methods including Neural Networks, Fuzzy Logic and Genetic Algorithm are used and this combined model is compared with Neural Network Methods, the title for one of the other Artificial Intelligence Models, and ARIMA linear model, given R2, MAE, MAPE, MSE. The results of this research shows that the superiority of Hybrid model compared to other models are examined.
خلاصه ماشینی:
در سال هاي اخير مدل هاي متفاوتي جهت پيش بيني قيمت سهام توسط محققين مورد استفاده قرار گرفته است و از آنجايي که تکنيک هاي هوش مصنوعي که شامل شبکه هاي عصبي ، الگوريتم ژنتيک و منطق فازي است نتايج موفقيت آميزي در زمينه حل مسايل پيچيده به دست آورده اند در اين راستا بيشتر مورد بهربرداري قرار گرفته اند.
هدف از اين تحقيق رسيدن به اين پاسخ است که آيا مي توان با استفاده از ترکيب روش هاي هوش مصنوعي مدلي ايجاد نمود که نسبت به ساير روش هاي خطي و غير خطي پيش بيني قيمت سهام (بورس اوراق بهادار تهران - شرکت ايران خودرو )را با ميزان خطاي کمتري انجام دهد.
در اين تحقيق جهت پيش بيني قيمت سهام از ترکيب روش هاي هوش مصنوعي شامل شبکه هاي عصبي – فازي و الگوريتم ژنتيک استفاده شده است و اين مدل ترکيبي با روش هاي شبکه عصبي به عنوان يکي ديگر از مدل هاي هوش مصنوعي و مدل خطي ARIMA با توجه به معيارهاي MSE,MAPE,MAE, R٢ مقايسه گرديده اند.
پژوهش هاي حسابداري مالي و حسابرسي شماره ٢٤/ زمستان ١٣٩٣ ٤-٢- فرضيه هاي تحقيق فرضيه ١ : در بين روش هاي هوش مصنوعي ، روش ترکيب شبکه هاي عصبي فازي و الگوريتم ژنتيک مدلي بهينه براي پيش بيني قيمت سهام در بورس اوراق بهادار تهران مي باشد.