چکیده:
مدلسازی پیشبینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها،روشهای گوناگونی دارد.تحقیق حاضر چگونگی پیشبینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکههای عصبی مصنوعی مورد آزمون قرار داده است.برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی،حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای مستقل استفاده شده است.برازش مدل چند عاملی مبتنی بر رگرسیون چندمتغیره و مدل شبکه عصبی برمبنای معماری پرسپترون چندلایه با الگوریتم آموزش پس انتشار خطاست. برای ارزیابی نتایج دو مدل از معیارهای میانگین قدر مطلق انحرافات،میانگین مجذور خطا، جذر میانگین مجذور خطا و میانگین قدر مطلق درصد خطا استفاده شده است.نتایج بدست آمده حاکی از موفقیت دو مدل در پیشبینی رفتار شاخص بازده نقدی و قیمت و همچنین برتری عملکرد شبکه عصبی بر مدل چندعاملی است.
خلاصه ماشینی:
"عطف به مسأله مذکور سؤال اصلی تحقیق را میتوان چنین بیان نمود:آیا میتوان11 بازده سهام را در بورس اوراق بهادار تهران از طریق مدل شبکه عصبی مصنوعی پیشبینی کرد؟در گام بعدی این سؤال مطرح میشود که موفقیت این شبکهها(که شامل روابط غیرخطی بین متغیرها در امر پیشبینی بازده سهام میباشد)در مقایسه با مدلهای رگرسیون خطی چگونه است؟مدلهای تحقیق در این تحقیق با توجه به بین رشتهای بودن موضوع تحقیق و ارتباط بین دو حوزهء مختلف مالی و هوش مصنوعی از دو مدل چندعاملی و شبکههای عصبی استفاده شده است.
از آنجا که احتمال آن میرفت متغیر وابسته علاوه بر اینکه با گذشته خود در ارتباط باشد با وقفههای متغیرهای مستقل نیز همبسته باشد(این مدلها در اقتصادسنجی به مدلهای خود رگرسیونی و با وقفههای توزیعی معروف هستند)برای دستیابی به بهترین مدل از مجموعه دادههای مختلف به شرح زیر استفاده شده است: الف)مجموعه متغیرهای مستقل(قیمت سکه،نرخ ارز،حجم معاملات،شاخص بازده نقدی و قیمت)و متغیر وابسته(شاخص بازده نقدی و قیمت روز بعد) ب)مجموعه متغیرهای مستقل(روز جاری و دو روز قبل)و متغیر وابسته(شاخص بازده نقدی و قیمت روز بعد) ج)مجموعه متغیرهای مستقل(روز جاری و چهار روز قبل)و متغیر وابسته(شاخص بازده نقدی و قیمت روز بعد) خروجی کامپیوتر که در آن TEDPIX شاخص بازده نقدی و قیمت، Gold قیمت سکه بهار آزادی، Exchangerate نرخ ارز، Volume حجم معاملات میباشد بیانگر آن است که نه تنها وقفههای متغیرهای مستقل در دورههای مذکور تأثیر چندانی در تبیین متغیر وابسته ندارند(تغییر بسیار کم در R2 )بلکه باعث ایجاد همخطی بین متغیرهای توضیحی میشود."