پیش‌بینی دوران رکود و رونق در بازار اوراق بهادار تهران با استفاده از مدل‌های MS و NSGA-ANN

الموضوعات :

فرزانه عبدالهیان ¹ , محمد ابراهیم محمد پورزرندی ² , محمد هاشمی نژاد ³ , مهرزاد مینویی ⁴

1 - دانشجوی دکتری، گروه مدیریت صنعتی، گرایش تحقیق در عملیات، دانشگاه آزاد اسلامی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
2 - استاد گروه مدیریت صنعتی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
3 - استادیار گروه مدیریت، واحد علوم پزشکی، دانشگاه آزاد اسلامی، تهران، ایران
4 - استادیار گروه مدیریت صنعتی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران

تاريخ الإرسال : 17 الأحد , شوال, 1439 تاريخ التأكيد : 25 الأربعاء , ذو الحجة, 1439 تاريخ الإصدار : 15 السبت , ربيع الثاني, 1440

الکلمات المفتاحية: الگوریتم ژنتیک, شبکه عصبی, مارکوف سوئیچینگ, بازار خرسی, بازار گاوی,

ملخص المقالة :

بورس اوراق بهادار یکی از ابزارهای مالی کشورها در کل دنیا محسوب می‌شود. وقوع رکود در این بازار می تواند اثرات مهمی از جمله کاهش نقدینگی، کاهش سودآوری شرکت‌های پذیرفته شده در بورس و همچنین کاهش رشد اقتصادی را در پی داشته باشد. در این مقاله به دنبال استخراج و پیش‌بینی سیکل‌های زمانی در بورس اوراق بهادار هستیم. در ابتدا با استفاده از شاخص کل بورس و بهره‌گیری از مدل MSI(3)AR(2) سه سیکل زمانی رکود، رونق متوسط و رونق بالا در بورس اوراق بهادار استخراج می شود. سپس با استفاده از ادغام الگوریتم NSGA(II) و سه مدل شبکه عصبی مهم‌ترین متغیرهای پیش‌بین به تفکیک هر مدل تعیین شده و به پیش‌بینی وضعیت سه ماه آینده بازار می پردازیم. در نهایت عملکرد سه نوع شبکه عصبی پرسپترون چند لایه، پایه شعاعی و شبکه احتمالی در انتخاب ویژگی و پیش‌بینی وضعیت آینده بازار با یکدیگر مقایسه شد. نتایج حاکی از آن است نتایج حاکی از آن است که هر سه مدل مورد نظر با توجه به معیارهای میزان خطا، دقت مدل و ضریب کاپا نتایج قابل قبولی را ارائه می‌دهند و مدل شبکه احتمالی نسبت به سایر مدل‌ها از خطای پایین‌تر، دقت و ضریب کاپا بیشتری برخوردار است.