پیش بینی قیمت سهام با استفاده از مدل های شبکه عصبی RBF, ANFIS, MLP, LoLiMoT

پیش بینی یکی از مهمترین مسایل تمامی اعصار بوده است، در عصر حاضر نیز پیچیدگی فراوان و تغییرات بسیار بازار سرمایه، ارتباط گنگ بین رویدادها و قیمت ها و پویایی زیاد بازار سرمایه پیش بینی قیمت سهام را یکی از چالش برانگیزترین و در عین حال پر اهمیت ترین مسایل روز نموده است. در این مقاله سعی شده است که عوامل موثر بر قیمت سهام نظیر نرخ بهره، نرخ تورم، قیمت طلا و نسبت E/P بررسی گردد و سپس با استفاده از چهار مدل شبکه عصبی MLP ، RBF ، ANFIS وLoLiMoTقیمت سهام بانک صادرات ایران به عنوان نمونه موردی از بازار اوراق بهادار، با سه مجموعه داده با سرعت تغییرات سریع (هر 20 ثانیه)، کند تر (هر یک ساعت) و کند (روزانه)، پیش بینی شود و از سنجه های آماری MSE و RMSE برای تعیین میزان خطای هر کدام از مدل ها استفاده شده و از نرم افزار MATLAB نیز برای بیان اینکه کدام مدل، با کدام یک از مجموعه داده ها، امکان پیش بینی بهتری را فراهم می کند بهره گرفته شده. در نهایت مشخص گردید که در مجموعه داده نوع اول مدل LoLiMoTتوان پیش بینی بهتری از آینده را دارا می باشد و این برتری در مجموعه داده دوم نیز حفظ گردید لیکن در مجموعه داده سوم مدل RBF گوی سبقت را از مدل LoLiMoT با اندکی تفاوت ربود و توانست تقریب بهتری از آینده را ارایه نماید و در مجموع راهنمایی لازم را با توجه به نوع ماهیت بازار به خریدرا سهام ارایه نماید.

کلیدواژه ها:

شبکه فازیعصبی ، MLP ، RBF ، ANFIS وLoLiMoT