رویکرد مهندسی جدید برای پیش بینی نوسان شاخص های بورس اوراق بهادار تهران

سرمایه گذاران و مسوولان بورس اوراق بهادار به منظور دست یابی به تصویر مناسبی از روند بازار بورس، عملکرد شرکت ها و توانایی ارزیابی گذشته جهت پیش بینی آینده، از شاخص های بورس اوراق بهادار استفاده می­کنند. مطالعات اخیر نشان می­دهد که همبستگی غیرخطی در شاخص­های بازار سهام وجود دارد. به همین منظور، این مطالعه الگوریتم جدید حداقل میانگین مربعات خطا مبتنی بر کرنل که الگوریتم آنلاین و غیرخطی است را برای پیش بینی نوسان شاخص های بورس اوراق بهادار تهران پیشنهاد و به کار می­گیرد و عملکرد آن را با الگوریتم شبکه­های عصبی مبتنی بر حداقل میانگین مربعات خطا در افق های زمانی کوتاه مدت، میان مدت و بلندمدت مقایسه می­کند. نتایج این بررسی نشان می­دهد که الگوریتم حداقل میانگین مربعات خطا مبتنی بر کرنل دارای عملکرد مناسبی جهت پیش­بینی نوسان شاخص های سهام می­باشد. با این حال، نتایج پیش بینی الگوریتم بر اساس معیارهای میانگین ​​مربعات خطا، مجذور میانگین ​​مربعات خطا، میانگین ​​مربعات خطای نرمالیزه شده، قدر مطلق میانگین خطا، صحت جهت پیش بینی، صحت روند پیش بینی رو به بالا و صحت روند پیش بینی روبه پایین در افق های زمانی کوتاه مدت، میان مدت و بلند مدت نشان می دهد که پیش بینی انجام شده توسط الگوریتم حداقل میانگین مربعات خطا مبتنی بر کرنل دارای عملکرد بهتری نسبت به پیش بینی با الگوریتم شبکه های عصبی مبتنی بر حداقل میانگین مربعات خطا می باشد.

کلیدواژه ها:

شاخص سهام ، پیش بینی ، الگوریتم حداقل میانگین مربعات خطا مبتنی بر کرنل ، الگوریتم شبکه های عصبی مبتنی بر حداقل میانگین مربعات خطا