رضا کیانی ماوی - استادیار، دانشگاه آزاد اسلامی، واحد قزوین، گروه مدیریت، قزوین، ایران
کامران صیادی نیک - کارشناس ارشد، دانشگاه آزاد اسلامی، واحد قزوین، گروه مدیریت بازرگانی، قزوین، ایران

پیش بینی قیمت سهام یکی از موضوع های مهم مالی است، چرا که داده های قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوب گونه است، بنابراین ارتباط نامشخص بین قیمت سهام و عوامل موثر کاملا پویا است. بنابراین مساله پیش بینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کار دشواری است. در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیش بینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشت متغیر بنیادی و فنی مورد بررسی قرار گرفت. سپس از شبکه ی عصبی MLP برای پیش بینی یک روز بعد قیمت سهام با الگوریتم یادگیری لونبرگ مارکوارت استفاده شد. پس از آن ساختار بهینه شبکه عصبی MLP یعنی 1-5-6 با الگوریتم BP استاندارد آموزش داده شد که نرخ یادگیری 0/3 بهترین عملکرد را داشته است و برای این نرخ یادگیری حساسیت الگوریتم BP استاندارد به مینیمم های محلی محاسبه گردید و در آخر برای رهایی از این حساسیت به مینیمم های محلی از الگوریتم BP استاندارد همراه با مومنتم استفاده شده است. نتایج بدست آمده نشان داد که پیش بینی بوسیله الگوریتم BP استاندارد همراه با مومنتم بهتر از استاندارد می باشد.

پیش بینی، شبکه عصبی، یادگیری شبکه عصبی، بازار بورس، پیش بینی قیمت سهام، شرکت ملی صنایع مس ایران