چکیده:
در این پژوهش برای تعیین روش پیش بینی قیمت سهام، یک شبکه عصبی LM-BP بر اساس سری های زمانی با توجه به قیمت باز، بالاترین قیمت، پایین ترین قیمت، قیمت بسته و حجم معاملات ارائه شد. در پژوهش حاضر، 315 روز قیمت سهام را برای ایجاد 10 نمونه انتخاب و مجموعه آزمون شامل قیمت سهام از روز 316 تا روز 320 را انتخاب و از شبکه عصبی LM-BP استفاده شده است. در این پژوهش، تعیین نقطه بحرانی بیش از حد، عدم تقارن و شمارش فواصل زمانی بررسی شد. منحنی MRE2-MRE1 رسم شده و دقت مربوط به بهترین پیش بینی شبکه عصبی BP بر اساس چند تکرار مستقل برآورد شد. پس آزمون نیز به روش آزمون کوپیک و آزمون کریستوفرسون انجام شد. نتایج نشان داد که پیش بینی قیمت سهام بر اساس شبکه عصبی LM-BP و برآورد نقطه بیش از حد توسط شمارش فواصل زمانی، نتایج بهتری نسبت به روش های موجود ارائه می دهد.
خلاصه ماشینی:
پيش بيني قيمت سهام بر اساس شبکه عصبي LM-BP و برآورد نقطه بيش از حد توسط شمارش فواصل زماني: شواهدي از بورس اوراق بهادار 1 محمد رضا وطن پرست 2 مسعود اسدي تاريخ دريافت مقاله : ٩٧/٠٨/٢٧ تاريخ پذيرش مقاله : ٩٧/١٠/٠٥ 3 شعبان محمدي 4 عباس بابايي چکيده در اين پژوهش براي تعيين روش پيش بيني قيمت سهام ، يک شبکه عصبي LM-BP بر اساس سري هاي زماني با توجه به قيمت باز، بالاترين قيمت ، پايين ترين قيمت ، قيمت بسته و حجم معاملات ارائه شد. نتايج نشان داد که پيش بيني قيمت سهام بر اساس شبکه عصبي LM-BP و برآورد نقطه بيش از حد توسط شمارش فواصل زماني، نتايج بهتري نسبت به روش هاي موجود ارائه مي دهد. ان مراحل خاص به شرح زير است :١-ايجاد شبکه عصبي BP با وزن و آستانه که توسط الگوريتم LM-BP به روز مي شود؛٢-فرم يک نمونه را با داده هاي قيمت سهام از روزهاي گذشته (از روزهاي ٣١١ تا ٣١٥) در تمرين تعيين شده توسط مدل هاي ورودي و خروجي در نگاره ٢ تشکيل مي دهد. بر اساس نقطه بيش از حد تعيين شده در١، وزن و آستانه شبکه عصبي مي تواند انجام شود و به صورت زير نمايش داده مي شود: 209 نگاره ٩ پيش بيني و تحليل دقت قيمت سهام (رجوع شود به تصویر صفحه) w2=[0. نتايج تجربي و نيز نشان ميدهد که پيش بيني قيمت سهام بر اساس شبکه عصبي LMBP و برآورد نقطه بيش از حد توسط RDCI در اين پژوهش نتايج بهتر از روش هاي موجود ارائه داده است .
کلیدواژه ها: