بررسی توان پیش بینی کنندگی روش های محاسباتی نوین در بازار بورس

در این مقاله سعی بر این است تا با استقاده از سه مجموعه داده از قیمت سهام در سه بازه زمانی سریع، متوسط و کند؛ مشخص نماییم که کدام یک از مدل های شبکه های عصبی LoLiMoT, RBF بهترین برآورد و پیش بینی را از قیمت آینده سهام در هر یک از مجموعه داده ها ارایه خواهند نمود و برای نیل به این هدف از دو معیار خطای MSE و RMSE استفاده شده و در نهایت با مقایسه این خطاها بهترین مجموعه جهت استفاده در پیش بینی ها را مشخص نموده ایم، جهت تجزیه و تحلیل داده های مورد آزمون نیز از نرم افزار MATLAB استفاده شده است و در نهایت با بررسی نمودارهای مستخرج از نرم افزار و جدول مقایسه آماری مشخص گردید که در هر سه از مجموعه داده ها مدل شبکه عصبی LoLiMoT تقریب بهتری از آینده را ارایه می نماید و قدرت پیش بینی کنندگی بهتری را از مدل RBF داراست.

کلیدواژه ها:

پیش بینی ، شبکه های عصبی LoLiMoT ، RBF