علیرضا امیرکبیری - دانشیار دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکزی
حسن قنبری - دانشجوی دکترای مدیریت بازاریابی، دانشگاه آزاد اسلامی واحد تهران مرکزی
نسیم دادگر - دانشجوی دکترای مدیریت بازاریابی، دانشگاه آزاد اسلامی واحد تهران مرکزی
علیرضا مهرپویان - دانشجوی دکترای مدیریت بازاریابی، دانشگاه آزاد اسلامی واحد تهران مرکزی

پیش بینی قیمت سهام مبنایی برای اتخاذ تصمیم برای سرمایه گذاران بورس اوراق بهادار می باشد. لذا پژوهشگران حوزه مالی و سرمایه گذاری به دنبال یافتن روش های مناسب برای پیش بینی قیمت سهام بوده و در این راستا از روش ها و الگوریتم های متفاوتی استفاده میکنند. در طی دهه های گذشته مزیت های موجود در الگوریتم های هوش مصنوعی موجب اقبال صاحب نظران حوزه مالی به آن گردید و این مساله امروزه شدت بیشتری یافته است. از این رو هدف مقاله حاضر، تحلیل بکارگیری الگوریتم های هوش مصنوعی در پیش بینی قیمتسهام با توجه به نظریه آشوب می باشد. تحلیل ها نشان می دهد استفاده از شبکه های عصبی مصنوعی می تواند پیش بینی بهتری از قیمتسهام نسبت به روش های معمول داشته باشد و در مجموع می توان ادعا کرد که به کارگیری نظریه آشوب و نظریه سیستم های پویا برای توضیح تغییرات قیمت در بازارهای بورس بسی منطقی تر از قبول فرضیه بازار کارا و غیر قابل پیش بینی بودن روند تغییرات قیمت در بورس اوراق بهادار است. همچنین به نظر می رسد الگوریتم های غیر خطی هوش مصنوعی مرتبط با نظریه آشوب بوده و آشوبناکی بیانگر عدمایستایی در استفاده از مدل ها بوده و همواره برای پیش بینی های صحیح قیمت سهام باید به صورت پویا روشی مناسب یافت و به مدل های موجود نمی توان اکتفا کرد.

هوش مصنوعی، قیمت سهام، نظریه آشوب، بورس اوراق بهادار