ارزيابي پيش‌بيني‌پذيري قيمت سهام با استفاده از شبكه‌هاي عصبي فازي در بورس تهران

(Assessment of Stock Price Predictions Using Artificial Neural Network (ANN

فعالان بورس براي تصميم ­گيري در بازارهاي مالي و كسب حداكثر بازدهي نيازمند ابزارهاي پيشرفته و كاربردي هستند تا با دقت مناسب به پيش‌بيني بپردازند. در اين راه ضروري است ارزيابي پيش ­بيني ­ها متناسب با حوزه­ ي مالي انجام شود. اين مقاله براي دست­يابي به اين هدف قيمت سهام پنجاه شركت بورس تهران را با استفاده از شبكه‌هاي عصبي فازي پيشخور مدل­ سازي كرده است. همچنين با استفاده از سيستم كنترلگر انفيس، مدل شبكه عصبي در هر تكرار كنترل مي‌شود. براي انجام محاسبات از قيمت‌هاي روزانه‌ سهام شركت‌هاي بورسي از آذر 1384 تا آذر 1394 استفاده شده است. دقت پيش‌بيني‌ها نيز ابتدا بر مبناي چهار شاخص‌هاي معتبر آماري ارزيابي گرديد. سپس با استفاده از روش نرخ برخورد، صحت پيش‌بيني ­ها ارزيابي شده است. نتايج نشان مي­ دهد دقت پيش‌بيني­ شبكه‌هاي عصبي فازي بسيار بالاست؛ همچنين در برخي موارد با وجود اينكه پيش‌بيني مربوط به يك سهم داراي دقت بالاتري دارد، از صحت پايين‌تري برخوردار است؛ لذا برآورد صحت پيش ­بيني ­ها در ارزيابي پيش ­بيني ­ها سهمي تأثيرگذار دارد؛ از اين رو پيشنهاد مي ­شود در انجام و ارزيابي مدل‌هاي پيش‌بيني علاوه بر توجه به خطاهاي آماري مرسوم از روش­ هاي كيفي ارزيابي صحت پيش‌بيني­ ها نظير معيار نرخ برخورد استفاده شود.

The stock market agents should increase their prediction accuracy to maximize their returns, and it needs some advanced tools. In this article stock price of 50 companies in the Tehran Stock Exchange have been modeled using feedforward artificial neural networks. In this way, the daily stock prices are used from December 1384 to December 1394. The predictions accuracy are evaluated with four statistical indicators. The results show that accuracy of ANN predictions is very high. In some cases, although the prediction accuracy is higher, the correctness is lower. Therefore, in the assessment of the prediction, evaluation of the correctness has a significant contribution