ﭘﯿﺶﺑﯿﻨﯽ رفتار قیمتی سهام در ﺑﻮرس اوراق ﺑﻬﺎدار با استفاده از ﺷﺒﮑﻪی ﻋﺼﺒﯽ مصنوعی (مطالعه موردی شرکت پالایش نفت اصفهان)

محورهای موضوعی : مهندسی مالی

حسین بدیعی ¹ , روح اله رضازاده ² , هادی محمودی ³

1 - دانشجوی دکتری حسابداری دانشگاه علامه طباطبایی، تهران، ایران. عضو هیأت علمی دانشگاه آزاد اسلامی واحد تهران جنوب،گروه حسابداری، تهران، ایران
2 - دانشجوی دکترای مدیریت مالی دانشگاه آزاد اسلامی واحد علوم و تحقیقات و مدرس دانشگاه آزاد اسلامی واحد یادگار امام(ره)،گروه حسابداری ، تهران ، ایران
3 - دانش آموخته مدیریت مالی در مقطع کارشناسی ارشد دانشگاه آزاد اسلامی واحد فیروزکوه، تهران، ایران

تاریخ دریافت : 1395/08/08 تاریخ پذیرش : 1395/10/23 تاریخ انتشار : 1396/04/01

کلید واژه: قیمت سهام, بورس اوراق بهادار, شبکه عصبی مصنوعی, رفتار قیمتی سهام,

چکیده مقاله :

شبکه های عصبی مصنوعی مدل هایی ریاضی می باشند که الهام گرفته از سیستم عصبی و مغز انسان می باشند. در این تحقیق هدف محقق بر آن است که به پیش بینی قیمت سهام روز بعد در بورس اوراق بهادار تهران با استفاده از مدل پرسپترون چند لایه از شبکه‌های عصبی مصنوعی بپردازد، و با روش های مختلف خطای این پیش بینی را بهبود بخشد. قیمت گذاری بالای سهام می تواند با کاهش تقاضا برای سهام در دست واگذاری، فرایندخصوصی سازی را با شکست مواجه سازد و قیمت گذاری نازل سهام نیز با ایجاد شبهات متعدد در زمینه نحوه واگذاری اموال عمومی، شکست درازمدت سیاست واگذاری را به دنبال دارد. باتوجه به اهمیت این مقوله،نو پابودن بازارسرمایه و نیز عدم وجود موسسات تامین سرمایه و بانک‌های سرمایه‌گذاری در ایران، پیش‌بینی رفتار قیمت سهام و روند صعودی و یا نزولی بودن آن می‌تواند در تصمیمات و استراتژی‌های مدیران موثر باشد. مطالعه حاضر با هدف پیش بینی قیمت پایانی سهام با به کارگیری داده‌های روزانه از طریق شبکه عصبی صورت پذیرفته است. نتایج بدست آمده نشان می دهد که مدل شبکه عصبی دارای خطای پایین و قدرت توضیح دهندگی بالا و در نتیجه از قدرت پیش‌بینی خوبی برخوردار می باشد.

چکیده انگلیسی:

Artificial neural networks (ANN) are mathematical models inspired by human’s neural and brain system. This research deals with the next day price forecasting in Tehran’s stock market by MLP, and attempts, by various methods, to reduce the prediction error. High pricing of stocks may lead to low demand for negotiable stocks and the failure of privatization. Raising various doubts in the negotiation of public properties, low pricing results in the long-term failure of negotiation policies. With respect to the importance of this issue, the newness of stock market and the lack of financing institutes and investment banks in Iran, prediction of stock price trend and its ascending and descending order can influence the decisions and strategies of managers. Various variables affect stock prices among which the role of economic indices, such as exchange rate / oil price and gold price is significant. The purpose of the present study is to predict the final prices of stocks by utilizing daily data through neural networks. The results indicate that the ANN model has low error and high explanatory and thus considerable forecasting power.