موانع موجود در تعیین قیمت سهام به روش شبکه عصبی مصنوعی
محورهای موضوعی : حسابداری مالی و حسابرسی
رویا دارابی
1
(
استادیار دانشگاه آزاد اسلامی واحد جنوب
)
ربابه کریمی راسته کناری
2
(
کارشناس ارشد حسابداری
)
کلید واژه: شبکه عصبی, پیش‌بینی قیمت سهام, شاخص قدرت نسبی, شاخص نرخ قیمت سهام, الگوریتم پس انتشار خطا,
چکیده مقاله :
هدف این پژوهش بررسی موانع موجود در تعیین قیمت سهام به روش شبکه عصبی مصنوعی در شرکت‌های صنایع فلزی و کانی پذیرفته شده در بورس اوراق بهادار تهران می‌باشد. در این پژوهش از دو روش تحلیل آماری و شبکه عصبی استفاده شده‌است. در روش تحلیل آماری پرسشنامه‌ای تدوین گردید که بین کارشناسان ارشد بورس اوراق بهادار و اساتید دانشگاه آزاد واحد‌های شهر تهران که به مفاهیم شبکه عصبی و پیش‌بینی قیمت سهام آشنایی کامل دارند، توزیع شد و با استفاده از آزمون t و کای اسکور به بررسی فرضیات پژوهش پرداخته و در نهایت تمام فرضیه‌ها مورد تایید قرار گرفت. مجددا فرضیات پژوهش با استفاده از روش شبکه عصبی پس انتشار خطا و با استفاده از مدل آموزش لورنبرگ – مارکوات مورد بررسی قرار گرفت و مشخص گردید در حالتی که شاخص‌ها به‌عنوان ورودی وارد شبکه می‌گردند پیش‌بینی قیمت سهام نسبت به حالتی که شاخص‌ها به‌عنوان ورودی وارد شبکه نمی‌گردند، از دقت کافی برخوردار نیست و در عین حال خطای شبکه هم افزایش می‌یابد. در نهایت نتایج شبکه عصبی با نتایج تحلیل آماری مطابقت دارد به عبارتی در هر دو روش، شاخص‌ها به‌عنوان موانعی در پیش‌بینی قیمت سهام به روش شبکه عصبی تعیین گردیده است.
The Extant Preventives in Determining Price of Shaves by Using Artificial Neural Network(In Metal and Mineral Industries) Roya Darabi Robabeh Karimi Raste Kenari (Received: 10/Apr/2014; Accepted: 12/Jun/2014) Abstract This study aims to investigate the extant preventives in determining price of shaves by using artificial nerve network in metal and mineral industries companies accepted in Tehran Securities Exchange. We applied two statistical analysis and nerve network methods for examination of hypnotizes. A questionnaire was created for statistical analysis method and statistical society including senior experts of securities exchange course and instructors Tehran Azad University, who are familiar with the concepts of nerve network and also forecasting shares prices. The research hypnotizes were dealt with use of t test and score, ultimately all hypnotizes were approved. In the nerve network, the assumptions of research were studied by the use of nerve network and after the distribution of the error and Market-Loren berg educational model and it was determined that while all the indexes were entered into the network as input, the for forecasts of prices do not enter into the network as precisely as the indexes do enter. Also, the rate of network error was increasing. The results of nerve network corresponded with the results of statistical analysis. In other words, in both methods, the indexes have been marked as obstacles for forecasting the shares prices by the use of nerve network method. Key Words: Nerve Network, Forecast of Shares Price, Relative Strength Index, Rate of Shares Cost Index, After Distribution of Error.
آژیر، امید، (1388)، "تحلیل و معامله‌گری در بازار"، چاپ اول تهران، نشر مولف، تابستان 1388، ص 80-145.
آذر، عادل و امیر افسر، (1385)، "مدل‌سازی پیش‌بینی قیمت سهام با رویکرد شبکه‌های عصبی فازی"، فصلنامه پژوهش‌نامه بازرگانی، شماره 40، صص33-52.
آذر، عادل و علی رجب‌زاده، ( 1382)، "ارزیابی روش‌های پیش‌بینی ترکیبی، با رویکردهای شبکه‌های عصبی – کلاسیک در حوزه اقتصاد"، مجله تحقیقات اقتصادی، شماره 63، صص87-114.
افسر، امیر، (1384)، "مدل‌سازی پیش‌بینی قیمت سهام با استفاده از شبکه عصبی فازی و روش‌های ترکیبی"، پایان‌نامه دوره کارشناسی ارشد مدیریت صنعتی تربیت مدرس، ص 25-34.
تهرانی، رضا و وحید عباسیون، (1387)، "کاربرد شبکه‌های عصبی مصنوعی در زمان‌بندی معاملات سهام با رویکرد تحلیل تکنیکی"، فصلنامه پروژه‌های اقتصادی، سال هشتم، شماره1، صص151-177.
جورابیان، محمود و رحمت ا. . هوشمند، (1388)، "منطق فازی و شبکه‌های عصبی(مفاهیم و کاربرد ها)"، نشر دانشگاه شهید چمران، ص 16-35.
خالقی مقدم، حمید و پرویز پیری، (1387)، "اثر نماگرهای بازار سرمایه بر پیش‌بینی قیمت سهام"، فصلنامه مطالعات حسابداری، شماره 17، صص27-60.
خالوزاده، حمید، (1377)، "مدل‌سازی غیرخطی و پیش‌بینی رفتار قیمت سهام در بورس تهران"، رساله دکتری مهندسی برق، دانشگاه تربیت مدرس، ص 101-105.
خالوزاده، حمید، علی خاکی، (1382)، "ارزیابی روش‌های پیش‌بینی قیمت سهام و ارائه مدل غیرخطی بر اساس شبکه‌های عصبی"، مجله تحقیقات اقتصادی شماره 63، دانشکده اقتصاد دانشگاه تهران، صص43-85.
راعی، رضا، (1380)، "شبکه‌های عصبی رویکردی نوین در تصمیم‌گیری‌های مدیریت"، دانشگاه تربیت مدرس، صص133-155.
راعی، رضا و کاظم چاوشی، (1382)، "پیش‌بینی بازده سهام در بورس اوراق بهادار تهران: مدل شبکه‌های عصبی مصنوعی و مدل چندعاملی"، فصلنامه تحقیقات مالی، شماره 15، صص97-120.
طلوعی اشلقی، عباس و شادی حق دوست، (1386)، "مدل‌سازی پیش‌بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روش‌های پیش‌بینی ریاضی"، فصلنامه علمی پژوهشی پژوهش‌نامه اقتصادی، پژوهشکده امور اقتصادی سال هفتم، شماره 25، ص 237-251.
عباس‌پور، محمدرضا و امین ناصری، (1387)، "ارائه مدلی برای پیش‌بینی قیمت سهام شرکت ایران خودرو به کمک شبکه‌های عصبی"، چهارمین کنفرانس بین‌المللی مهندسی صنایع، ص 151-178.
عرب مازار یزدی، محمد و مهسا قاسمی، (1388)، "قیمت‌گذاری عرضه‌های عمومی اولیه: ترکیب شبکه‌های عصبی مصنوعی و الگوریتم ژنتیک"، بررسی‌های حسابداری و حسابرسی، دوره 16، شماره 5، ص 87-102.
قدیمی، محمدرضا و سعید مشیری، (1381)، "مدل‌سازی و پیش‌بینی رشد اقتصادی در ایران با استفاده از شبکه‌های عصبی مصنوعی" فصلنامه پژوهش‌های اقتصادی ایران، شماره 12، ص 97-117.
متوسلی، محمود و بیژن طالب کاشفی، (1385)، "بررسی مقایسه‌ای توان شبکه‌های عصبی با ورود شاخص‌های تحلیل تکنیکی برای پیش‌بینی قیمت سهام"، نشریه نامه اقتصادی، شماره 2-1-60، ص 57-85.
نمازی، محمد و محمد مهدی کیامهر، (1386)، " پیش‌بینی بازده روزانه سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی مصنوعی"، تحقیقات مالی، شماره 24، ص 115-135.
Aiken, M. & Bsat, M,(2002), "Forecasting Market Trends with Neural Netuorks", Information System Management, 16(4), pp. 42-48.
Ball, R. , &Tissot, P,(2006),"Demonstration of Artificial Neural Network in Matlab", Division of Near sore Research T&M university, PP. 38-52.
Barkin, A. , & et al. ,(2000), "Non-Linear Financial Time Series Forecasting Application to Bell 20 stock market Index", European Journal of Economic and social system, 14(1), PP. 81-91.
Boyacioglu, Melek Acar, Derya Avci,(2010), "An Adaptive Network-Based Fuzzy Inference System(ANFIS) for the prediction of stock market return: The case of the Istanbul Stock Exchange", Expert Systems with Applications.
Chen S & leung T,(2005), "Regression Neural Network for Error correction In Foreign Exchange and Forecasting and Trading", Elsevier, pp. 1049 - 1068.
Chan, M & C Wong, C-C, and Lam C-C,(2000), "Financial Time Series Forecasting by Neural Network Using Conjugate Gradient Learning Algorithm and Multiple Linear Regression, Wight initialization", Department of computing, the Hong Kong Poly Technique University, Kowloon, Hong Kong.
Ching-Hsue Cheng, Tai-Liang Chen, Liang-Ying Wei,(2010), "A hybrid model based on rough sets theory and genetic algorithms for stock price forecasting", Information Sciences, 180.
Chiang, W. C, Urban, T. L. and Baldridge, G. W,(1996), "A Neural Network Approach to Mutual Fund Net Asset Value Frecasting", Omega, Int. J. mgmt, Sci, 24(2), PP. 203-225.
Egeli, Birgale, et al,(2003), "Stock Market Prediction Using Artificial Neural Networks", Web:WWW. hicbusiness. Org/BIZ 2003 proceedings.
Francesco & Bernd,(2003), “Stock Market Prediction Using Artificial Neural Network", www. hicbusiness. org/BIZ.
Fen May Liou,(2008), "Fraudulent Financial Reporting Detection and Business Failure Prediction Madel With Using Neural Network ", Graduate Institute of Business and Management, Yuanpe i University, Republic of China.
Galderon G,(2008), " The Use of Neural Networks as an Audit Tool in Fraud Risk Assessment ", the University of Akron.
Hadavandi, Esmaeil,(2010), "Integration of genetic fuzzy systems and artificial neural networks for stock price forecasting", Knowledge-Based Systems.
Hell, G. W,(1996), "A Neural Network Approach to Mutual Fund Net Asset Value Forecasting", Omega, Int. j. mgmt Sci, 24(2), PP. 205-215.
Hsu, Sheng-Hsun, JJ Po-An Hsieh, Ting-Chih Chih, Kuei-Chu Hsu,(2009), "A Two-Stage Architecture for Stock Price Forecasting by Integrating Self-Organizing Map and Support vector Regression",Expert Systems with Applications , Expert Systems with Applications 36.
Jastic, M & wood, R,(2004), " No Evidence of Chaos but Some Evidence of Dependence in US Stock Market", Chaos, solutions and fractals 17, PP. 449-459.
Kim, K. J, and Han I,(2000), "Genetic algorithms approach to feature discrimination in artificial neural networks for the prediction of stock price index", Published by Elsevier science, Ltd, Expert systems with applications, 19, PP. 125-132.
Kuang, Tiffany Hui, Yu, Kun-Huang,(2010), "A Neural Network-Based Fuzzy Time Series Model to Improve Forecasting", Expert Systems with Applications 37.
Mossman, W. & Olson, J. and Bsat, M,(2003), "Forecasting market trends with Neural Networks", Information System Management, 16(4), PP. 42-48.
Tayree, A. S, Lang, E. F and Likothanassis, S. D,(2002), "Exchange-Rates Forecasting: A Hybrid Algorithm Based on Genetically Optimized Adaptive Neural Networks", Computational Economics, 20, PP. 191-210, Springer Netherlands.