بررسی تطبیقی روش ماشین بردار پشتیبان و روش استنتاجی عصبی فازی سازگار جهت پیش بینی روند قیمت سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران
محورهای موضوعی : حسابداری مالی و حسابرسیسعید شاه آبادی 1 , زهرا هوشمندنقابی 2 * , مهرداد بختیار دهکردی 3
1 - دانشجوی دکترا مهندسی مالی ،گروه حسابداری و مدیریت، دانشکده مدیریت و حسابداری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
2 - استادیار حسابداری دانشگاه آزاد واحد اسلامشهر
3 - دانشجوی دکترا
کلید واژه: ماشین بردار پشتیبان, سیستم استنتاجی عصبی فازی سازگار, پیش بینی روند قیمت سهام,
چکیده مقاله :
با توجه به گسترش روزافزون روش های پیش بینی در بازارهای مالی و نیز از آنجا که قیمت سهام یکی از مهمترین عوامل مؤثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند هدف این پژوهش مقایسه کارآیی روش های ماشین بردار پشتیبان و سیستم استنتاج عصبی فازی سازگار در پیش بینی روند قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. نمونه مورد استفاده در این پژوهش 5 شرکت برتر صنعت آهن و فولاد که در بورس اوراق بهادار تهران پذیرفته شده می باشند، می باشد. به منظور شناسایی روند قیمت سهام از پنج متغیر قیمت پایانی سهام، مومنتوم سهم، نوسان قیمت سهام، مومنتوم شاخص کل اوراق بهادار تهران و نوسان شاخص کل اوراق بهادار تهران استفاده شده است پس از جمع آوری اطلاعات مورد نظر از سال ۱۳۹۰ لغایت ۱۴۰۰ با استفاده از تکنیک ماشین بردار پشتیبان و سیستم استنتاجی عصبی فازی سازگار روند قیمت سهام پیش بینی گردید و به منظور بررسی دقت پیش،بینی روند پیش بینی شده با روند قیمتی سهم در سال 1401 مقایسه گردید و میزان دقت هر کدام از روش های مورد نظر به دست آمد و در نهایت مشخص گردید در سه مورد از شرکت های مورد مطالعه سیستم استنتاجی عصبی فازی سازگار و در دو شرکت تکنیک ماشین بردار پشتیبان روند قیمت سهام را به صورت کارآمدتری پیش بینی می کند.
Considering the increasing expansion of forecasting methods in the financial markets and also because the stock price is one of the most important factors in investment decisions and its forecasting can play an important role in this field, the purpose of this research is to compare the efficiency of the methods Support vector machine and neural fuzzy inference system are compatible in predicting the trend of stock prices of companies listed in Tehran Stock Exchange. The sample used in this research is the top 5 companies in the iron and steel industry that are listed on the Tehran Stock Exchange. In order to identify the trend of the stock price, five variables of closing stock price, share momentum, stock price volatility, momentum of the total index of Tehran securities and volatility of the total index of Tehran securities have been used After collecting the desired information from 1390 to 1400, the stock price trend was predicted using the support vector machine technique and adaptive neural fuzzy inference system, and in order to check the accuracy of the forecast, the predicted trend was predicted with the share price trend in 1401. It was compared and the accuracy level of each of the desired methods was obtained and finally it was determined that in three of the studied companies, the adaptive neuro-fuzzy inference system and in two companies the support vector machine technique predicted the stock price trend more efficiently. he does.