مطالعه تجربي پيرامون پيش­بيني پذيري تغييرات شاخص سهام بازار بورس تهران به كمك تكنيك­هاي يادگيري ماشين

پيشبيني تغييرات شاخص سهام، يكي از چالشبرانگيزترين مسائل در حوزهي مهندسي مالي بهشمار ميرود. بهويژه در بازارهاي كشورهاي در حال توسعه مانند ايران، عوامل ناشناخته متعددي بر پيچيدگي اين بازار ميافزايند. در اين مطالعه تلاش شدهاست با هدفتأمين سود بيشتر، توانايي تكنيكهاي شبكهي عصبي مصنوعي، ماشين بردار پشتيبان، درخت تصميمگيري و روشهاي آماري در پيش- بيني تغييرات شاخص سهام بررسي شود. در اين روشها، از 11 شاخص فني استخراج شده از شاخص سهام بازار بورس تهران به عنوان ورودي مدلها استفاده شد. همچنين اثربخشي قيمت جهاني نفت، ارزش طلا و نرخ برابري دلار با ريال، به عنوان سه عامل مهماقتصادي، در بهبود دقت پيشبيني بررسي گرديد. در اين آزمايش، درخت جنگل تصادفي و شبكه عصبي با دقتهاي به ترتيب 5.48 % و%5348 بهترين نتايج را به همراه داشتهاند، كه رشد ده درصدي را نسبت به مطالعات پيشين نشان مي دهند. اين بيشينه دقتها بههنگام استفاده از عوامل اقتصادي سهگانه در ورودي مدلها حاصل شد. همچنين به منظور بهبود دقت حاصل، كارآيي چندين روش تركيبي بررسي شد، اما دقتي بالاتر از روشهاي جنگل تصادفي و شبكهي عصبي به دست نيامد