كاربرد شبكه‌هاي عصبي مصنوعي در بهبود پيش‌بيني بازارهاي مالي

پيش بيني يكي از قديمي ترين فعاليت هاي مديريت است. شناسايي ساختار يك فرآيند در پيش‌بيني، كنترل، تجزيه و تحليل و ارزيابي آن امري حياتي است. در اقتصاد كلان، تأثير عواملي همچون سياست، خط‌مشي شركت ها، شرايط اقتصادي، انتظار سرمايه گذاران در تغييرات بازار و نياز به يك مدل‌سازي صحيح، سازمان‌يافته و داراي قدرت، صحت پيش‌بيني را به يك ضرورت اجتناب‌ناپذير بدل مي كند. در اين بين، عملكرد روش هاي سنتي پيش‌بيني از قبيل: سري زماني و روش هاي فني آماري، در پيش‌بيني دقيق رفتار پويا در فرآيند با ترديدهايي مواجه گرديده و روش هاي نويني همانند روش شبكه عصبي مصنوعي توانايي بالايي از خود نشان داده اند. اين مقاله با هدف بررسي مدل هاي شبكه عصبي مصنوعي با رويكرد خاص به مدل GMDH تأكيدي بر استفاده از اين مدل در پيش‌بيني هاي غيرخطي دارد كه به عنوان يك ابزار مديريتي قوي به مديران، اقتصاد دانان، سهام داران و سرمايه گذاران در تصميم‌سازي ياري مي رساند.