بكارگيري سيستم استنتاج فازي و شبكه هي عصبي مصنوعي در پيش بيني بازده سهام

اوليوت اصلي سرمايه گذاران بالقوه و بالفعل كه بازيگران بازار بورس هستند، كسب بازده است. بنابراين ارزيابي و پيش بيني بازده بازار به عنوان ابزاري در راستاي نياز سرمايه گذاران به پوشش ريسك بازار بالقوه مي تواند كمك موثري در اخذ تصميمات منطقي سرمايه گذاران به حساب آيد از طرفي، با توجه به اينكه بازار سهام، سيستمي غير خطي و آشوب گونه است كه تحت تاثير شرايط سياسي، اقتصادي و روانشناسي است، لذا پيش بيني داده هايي كه از اين سيستم پيروي مي كنند، نيازمند ابزارهاي هوشمند و پيشرفته اي همچون شبكه هاي عصبي مصنوعي و روش هاي تركيبي است، لذا در اين تحقيق، به پيش بيني بازده سهام استفاده از دو مدل مبتني بر هوش مصنوعي از طريق برنامه نويسي در محيط نرم افزار متلب، شامل شبكه هاي عصبي مصنوعي با معماري پس انتشار خطا از نوع پرسپترون چند لايه تحت الگوريتم آموزشي لورنبرگ-ماركوآت با ساختار چهار لايه (1-2-4) و مدل شبكه هاي عصبي-فازي با الگوريتم ياديگيري پس انتشار خطا و سيستم استنتاج فازي تاكاگي سوگنو با 8 تابع عضويت و تابع فعالسازي از نوع تفاوت دو تابع سيگموئيد 1، بعد از 25 تكرار پرداخته شد. نتايج تحقيق نشان دهنده توانايي سيستم هاي فازي عصبي در پيش بيني بازده سهام خطاي كمتر از % و عملكرد بهتر سيستم هاي فازي عصبي نسبت به شبكه هاي عصبي مصنوعي است.