استفاده از شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده برای پیش بینی روند قیمت سهام (مطالعه موردی : شرکت پتروشیمی خارگ)

محورهای موضوعی : آینده پژوهی

دکتر ابوالفضل شهرآبادی ¹ , دکتر رضا ابراهیم پور ² , حسین نیکو ³

1 - ندارد
2 - ندارد
3 - نویسنده مسئول یا طرف مکاتبه

تاریخ دریافت : 1387/07/18 تاریخ پذیرش : 1387/09/07 تاریخ انتشار : 1389/04/01

کلید واژه: پرسپترون های چند لایه, شبکه های عصبی ترکیبی آموزش پذی, طرح و جانمایی 3, الگوریتم پس انتشار 4, پیش بینی سریهای&#x0D, &#x0D, . زمانی,

چکیده مقاله :

این مقاله مطالعه ای برای مقایسه توان پیش بینی روند قیمت سه ام با استفاده از شبکه های عصبی ترکیبی آموزش پذیراصلاح شده در مقابل سایر شبکه های آموزش پذیر و غیر آموزش پذیر ترکیبی است . داده های تاریخی به کار رفته در اینتحقیق از شرکت پتروشیمی خارگ، پذیرفته شده در بورس اوراق بهادار ایران بدست آمده اند . شرکت پتروشیمی خا رگ ازبزرگترین تولید کنندگان ایرانی محصولات پتروشیمی از جمله متانول است و به دلیل صادرات محصولات، قیمت سهام آن دربورس اوراق بهادار ایران بسیار متأثر از قیمت جهانی محصولات پتروشیمی، به ویژه متانول، می باشد . بنابراین قیمت سهام آن،نسبت به شرکت هایی که فاقد صادرات محصولات به بازار های جهانی هستند، به گونه ای شفاف تغییر می نماید. از آنجا که دربورس اوراق بهادار ایران نمونه مشابه دیگری که دارای سابقه قیمتی کافی و تعداد سهام شناور بالا باشد 1 وجود ندارد، لذاسهام پتروشیمی خارگ مناسبترین گزینه برای انجام فرآیند تحقیق تشخیص داده شد . نتایج این تحقیق نشان می دهد کهچگونه شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده می تواند گوی سبقت را در قابلیت پیش بینی روند قیمت سهام ازسایر شبکه های ترکیبی آموزش پذیر و غیر آموزش پذیر برباید . این تحقیق همچنان نشان می دهد که چگونه با استفاده ازروش پیشنهادی این مقاله می توان بدون نیاز به اطلاعات تفصیلی و جامع به قابلیت پیش بینی نسبتاً دقیقی دست یافت

چکیده انگلیسی:

This paper represents a comparison between modified trainable neural network ensemble with othertrainable and non-trainable ensembles. The historical data available in this case study are from khargpetrochemical company in Tehran stock exchange. This company is one of the biggest producers ofpetrochemicals, including methanol, in Iran and its stock price is very much dependent on worldmethanol price. Therefore Kharg stock price reflects its financial information more clearly than otherswith no products for global exportation. The reason of choosing Kharg is related to its large datahistory and high rate of stock free float1. The results show how a modified trainable neural networkensemble can overcome other trainable and non-trainable ensembles. This study also demonstrateshow we can beat the market through our proposed model without the use of extensive market data orknowledge