پیشبینی قیمت سهام موضوعی مهم در هر دو دیدگاه نظری و کاربردی است. هدف محققان، توسعه روشهای پیشبینی به منظور پیشبینی دقیقتر است. سرمایهگذاران سعی در یافتن بهترین برنامه سرمایهگذاری دارند که این امر نیازمند پیشبینی آینده بازار میباشد. هدف این مقاله مقایسه روشهای شبکه عصبی مصنوعی (ANN)، شبکه عصبی پویا (NARX) و مدل خاکستری (GM) برای پیشبینی قیمت سهام میباشد. دادههای سریزمانی به صورت روزانه مربوط به شرکتهای بیمهای عضو بازار بورس تهران میباشد که در بازه زمانی 15/7/1388 لغایت 17/7/1396 که در بازار بورس فعالیت داشتهاند. متغیرهای میانگین متحرک ساده پنج روزه (MA-5)، میانگین متحرک ساده بیست روزه (MA-20)، میانگین متحرک همگرا واگرا (MACD)، قیمت طلا، قیمت نفت و نرخ ارز به عنوان متغیرهای مستقل در نظر گرفته شدهاند. با توجه به متغیرهای مساله، از سه مدل خاکستری GM(1,4), GM(1,1) و GM(1,7) جهت پیشبینی استفاده شده است. نتایج نشان میدهد روشهای شبکه عصبی مصنوعی و شبکه عصبی پویا دارای کارایی یکسان می-باشند در حالیکه مدلهای خاکستری کارایی پایینتری دارند. شبیهسازیهای عددی نشان میدهد که روشهای شبکه عصبی مصنوعی و شبکه عصبی پویا با میانگین خطا RSME=0.2 پیشبینی قابل قبولی ارایه میکنند.
پرونده مقاله