کاربرد تئوری مجموعه های راف برای پیش بینی قیمت سهام (مطالعه موردی: بانک صادرات ایران)

در این پژوهش روشی مبتنی بر تئوری مجموعه های راف و با استفاده از شاخص های تحلیل تکنیکی جهت پیش بینی قیمت سهام ارائه شده است. تئوری مجموعه های راف دارای مزایای متعددی است که مهمترین مزیت آن در تحلیل داده ها این است که به هیچگونه اطلاعات اضافی اولیه در مورد داده ها نیاز ندارد. در مدل پیشنهادی، تعدادی از شاخص های تکنیکال برای داده های مربوط به بانک صادرات ایران در طول یک سال محاسبه و به عنوان مشخصه های شرطی در جدول تصمیم مورد استفاده قرار گرفته و نوسان قیمت سهام در روز بعد نیز به عنوان مشخصه تصمیم انتخاب می شود. لازم به ذکر است که با استفاده از آنالیز ماتریس همبستگی، شاخص های با بیشترین همبستگی با مشخصه تصمیم انتخاب می گردند. سپس با استفاده از تئوری مجموعه های راف و ترکیب روش های مختلف گسسته سازی داده ها و تولید بی زائده بر اساس داده های یادگیری، قواعد پیش بینی استخراج و قدرت پیش بینی روش های مختلف بر اساس داده های کنترل محاسبه شد. در این مطالعه داده های شش سال متوالی (یعنی 05/05/1388 لغایت 24/04/1394 بانک صادرات مورد استفاده قرار گرفته است. بررسی قدرت پیش بینی این روش و مقایسه بازده حاصل از استفاده از آن و روش خرید و نگهداری، مزیت استفاده از مجموعه های راف را آشکار می نماید. مقایسه نتایج حاصل از اعمال روش ها بر روی داده های مربوطه نشان می دهد که بازده حاصل از استراتژی خرید و نگهداری 33 ریال و بازده حاصل از مدل 182 ریال به ازای هر سهم می باشد. همچنین استفاده از داده های سال های مختلف با روند قیمتی متفاوت به عنوان ورودی مدل و دستیابی به نتایج رضایت بخش، می تواند دلیلی امیدوارکننده برای استفاده از این روش و توسعه آن در پیش بینی قیمت سهام باشد.

کلیدواژه ها:

پیش بینی قیمت سهام ، تئوری مجموعه های راف ، مشخصه های شرطی و مشخصه های تصمیم ، گسسته سازی داده ها ، استخراج قوانین