پيش‌بيني دوران ركود و رونق در بازار اوراق بهادار تهران با استفاده از مدل‌هاي MS و NSGAANN

بورس اوراق بهادار يكي از ابزارهاي مالي كشورها در كل دنيا محسوب مي‌شود. وقوع ركود در اين بازار مي­تواند اثرات مهمي از جمله كاهش نقدينگي، كاهش سودآوري شركت‌هاي پذيرفته شده در بورس و همچنين كاهش رشد اقتصادي را در پي داشته باشد. در اين مقاله به دنبال استخراج و پيش‌بيني سيكل‌هاي زماني در بورس اوراق بهادار هستيم. در ابتدا با استفاده از شاخص كل بورس و بهره‌گيري از مدل MSI(3)AR(2) سه سيكل زماني ركود، رونق متوسط و رونق بالا در بورس اوراق بهادار استخراج مي­شود. سپس با استفاده از ادغام الگوريتم NSGA(II) و سه مدل شبكه عصبي مهم‌ترين متغيرهاي پيش‌بين به تفكيك هر مدل تعيين شده و به پيش‌بيني وضعيت سه ماه آينده بازار مي­پردازيم. در نهايت عملكرد سه نوع شبكه عصبي پرسپترون چند لايه، پايه شعاعي و شبكه احتمالي در انتخاب ويژگي و پيش‌بيني وضعيت آينده بازار با يكديگر مقايسه شد. نتايج حاكي از آن است نتايج حاكي از آن است كه هر سه مدل مورد نظر با توجه به معيارهاي ميزان خطا، دقت مدل و ضريب كاپا نتايج قابل قبولي را ارائه مي‌دهند و مدل شبكه احتمالي نسبت به ساير مدل‌ها از خطاي پايين‌تر، دقت و ضريب كاپا بيشتري برخوردار است.