سمیه رافعی - کارشناس ارشد، دانشگاه اصفهان.
مجید اسماعیلیان - استادیار، دانشگاه اصفهان.
محمود بت شکن - استادیار، دانشگاه اصفهان.

هدف این پژوهش، بررسی پیش­بینی پذیری قیمت سرب و کارایی این بازار در سطح ضعیف و معرفی یک الگوی مناسب برای پیش بینی قیمت سرب در بازار جهانی است. به این منظور مجموعه ­ای از روش های خطی و غیرخطی در دو رویکرد کلی تکنیکال و بنیادین استفاده شده است. بررسی کارایی بازار سرب در سطح ضعیف نشان می دهد که این بازار در این سطح نیز کارا نیست و امکان پیش بینی قیمت وجود دارد. داده های استفاده شده در این پژوهش به صورت هفتگی جمع آوری شده و شامل بازه زمانی هفته اول ۲۰۰۵ الی هفته آخر ۲۰۱۵ است. این داده ها از سایت های مختلف، از جمله سایت LME، USGS و ILZSG جمع آوری شده است. یافته های این پژوهش نشان می دهد که در رویکرد تکنیکال، مدل شبکه عصبی مصنوعی GMDH ترکیب شده با الگوریتم ژنتیک بر اساس معیارهای میانگین درصد خطای مطلق (MAPE) و جذر میانگین مجذور خطا (RMSE) دارای عملکرد بهتری نسبت به مدل های دیگر است؛ همچنین در رویکرد بنیادین بر اساس معیارهای خطای پیش بینی، شبکه عصبی مصنوعی GMDH بهترین عملکرد را داشته است. پیش بینی پذیری تغییرات قیمت سرب در بازار با الگوهای تکنیکال، نشان دهنده کارایی بازار در سطح ضعیف است.

کارایی بازار, روش سازمان دهی گروهی داده ها (GMDH), شبکه عصبی پرسپترون چندلایه (MLP), الگوریتم ژنتیک, تحلیل بنیادین, تحلیل تکنیکال