پیش‌بینی قیمت سهام در بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی مصنوعی(ANN) و مدل خودرگرسیون میانگین متحرک انباشته (ARIMA) : مطالعه موردی دو شرکت دارویی فعال بورس اوراق بهادار
محورهای موضوعی : مهندسی مالی
1 - گروه حسابداری، دانشکده مدیریت و حسابداری، تهران،واحد غرب، دانشگاه پیام نور، تهران، ایران
2 - گروه حسابداری، دانشکده مدیریت و حسابداری،تهران، واحدغرب، دانشگاه پیام نور، تهران، ایران
کلید واژه:
چکیده مقاله :
در این تحقیق به مقایسه کارایی دو روش پیش‌بینی شبکه عصبی مصنوعی (ANN) و روش سنتی خودرگرسیون میانگین متحرک انباشته (ARIMA) در پیش‌بینی قیمت سهام در بازار سهام ایران پرداخته شده است. بدین منظور 2 شرکت دارویی البرز‌دارو و جام‌دارو انتخاب شده و مدل ARIMA و مدل شبکه عصبی مصنوعی برای هر دو شرکت تخمین زده شد. به منظور تخمین مدل شبکه عصبی مصنوعی، متغیر قیمت سهام به عنوان متغیر وابسته و متغیر‌های حجم معاملات سهام، شاخص صنعت دارو، قیمت نفت اوپک، نرخ ارز و قیمت طلا به عنوان متغیر‌های مستقل در نظر گرفته شد. برای مقایسه دو مدل نیز از معیارهای MSE,RMSE,MAD,R2 و MAPE استفاده شد. به منظور تخمین مدل رگرسیون پیش‌بینی قیمت سهام از فرآیند خودرگرسیون میانگین متحرک انباشته (ARIMA) استفاده و تخمین ضرایب مدل با استفاده از نرم‌افزار آماری EVIEWS انجام شده و مدل شبکه عصبی مصنوعی(ANN) مناسب برای پیش‌بینی قیمت سهام نیز با استفاده از نرم‌افزار MATLAB ساخته شد. نتایج تحقیق نشان داد که فرضیه تحقیق در صورت تأثیر متغیر‌های کلان اقتصادی بر روی قیمت سهام صحیح بوده و مدل شبکه عصبی مصنوعی (ANN) پیش‌بینی بهتری از قیمت سهام در بازار سهام ایران در مقایسه با روش خودرگرسیون میانگین متحرک انباشته (ARIMA) دارد.
In This Study We Compare the Efficiency of Both Artificial Neural Network Prediction Methods (ANN) and Traditional Method of Auto Regressive Integrated Moving Average (ARIMA) in Predicting Stock Prices in Iranian Stock Market. For This Purpose, Four Pharmaceutical Companies, Alborz Drug, Iran Drug, Pars Drug, and Jam Drug Were Selected and ARIMA Model and Artificial Neural Network Model Were Estimated For All Four Companies. In Order to Estimate Artificial Neural Network Model, Stock Price Variable as Dependent Variable and Stock Trading Volume, Drug Industry Index, OPEC Oil Price, Exchange Rate and Gold Price are Considered as Independent Variables. MSE, RMSE, MAD, R2 and MAPE Criteria Were Used to Compare Two Models. In Order to Estimate the Stock Price Forecast Regression Model, Use of Auto Regressive Integrated Moving Average (ARIMA) Regression Is Used and Estimation of the Coefficients of the Model is Performed Using the EVIEWS Statistical Software. An Suitable ANN Model Was Created For Predicting Stock Prices Using MATLAB Software. The Results of the Research Showed That the Research Hypothesis is Correct and the Artificial Neural Network Model (ANN) Has a Better Predictor of Stock Price in the Iranian Stock Market Than the ARIMA Method.