مدلی ترکیبی بر پایه سیستم های استنتاج فازی- عصبی برای پیش بینی بازده سهام

هدف این تحقیق، تمرکز بر توسعه روشهای پیشبینی دقیقتر، معتبرتر و ارائه مدل مناسبی با استفاده از سیستمهای هوشمند،برای برآورد بازده سهام به عنوان ابزاری در راستای نیاز سرمایهگذاران به پوشش ریسک بازار بالقوه است، تا به این وسیله ابزاریدر جهت بهبود کیفیت تصمیمات مالی فراهم شود. به همین منظور، در این مقاله، با استفاده از دادههای مربوط به قیمت نفت، قیمت طلا، نرخ ارز در بازار آزاد و شاخص قیمت سهام در بازه زمانی( 138-1384 ) به عنوان متغیرهای مستقل، به پیشبینی بازده سهام با دو مدل شبکههای عصبی مصنوعی و سیستمهای فازی عصبیANFIS) پرداخته شده است. در مدلسازی شبکههای عصبی مصنوعی از معماری پرسپترون چند لایهMLP) تحت الگوریتم آموزشی لورنبرگ- مارکوآت، با ساختاری چهار لایه 1-10-10-4استفاده شده است؛ و در سیستمهای فازی- عصبی با استفاده از الگوریتم یادگیری هیبریدی و سیستم استنتاج فازی تاکاگی سوگنو بعد از 35 تکرار، با تعداد دو تابع عضویت برای هر متغیر ورودی، از نوع زنگیgbellmf) مدل بهینه طراحی شد..

کلیدواژه ها:

پیش بینی ، شبکه های عصبی مصنوعی ، سیستم های فازی ، سیستم های فازی عصبی ، بازده سهام