دفاعیه ارشد: ارایه مدل پیش‌بینی شاخص سهام بورس با استفاده از روش شبکه‌ی عصبی مصنوعی و رگرسیون بردار پشتیبان؛ مورد مطالعه صنعت پتروشیمی

پیش‌بینی جهت حرکت شاخص بازار سهام امری حیاتی در به حداکثر رساندن سود فروشندگان و سرمایه‌گذاران تلقی می‌شود. پیش‌بینی درست قیمت‌ها در بازارهای سهام، مزایای اقتصادی قابل توجهی را به‌دنبال دارد. این امر به‌طور سنتی با تحلیل پایه‌ای شرکت و یا قیمت گذشته‌ی سهام شرکت انجام شده‌است، که معمولا جواب‌گوی رفتار پیچیده‌ی قیمت سهام نیست. اخیرا تلاش شده تا از تکنیک‌های یادگیری ماشین برای مدل‌سازی قیمت سهام استفاده شود. اهمیت موضوع طرح حاضر از این جهت است که شرکت‌ها و اشخاص سرمایه‏گذار در بورس، به‌دنبال راهی برای سرمایه‌گذاری با اطمینان بالاتر و ریسک کمتر هستند و نیز به‌دنبال این‌که بتوانند با صحت نسبتاً بالاتری سودآوری یا ضرردهی خود را پیش‌بینی کنند. هدف از این طرح، علاوه بر مقایسه‌ی عملکرد دو روش ANN و SVR به‌عنوان الگوریتم‌هایی از یادگیری ماشین در پیش‌بینی شاخص صنعت پتروشیمی، ارایه‌ی روشی است که از ترکیب دو روش ANN و SVR به‌دست می‌آید. برای پیش‌بینی از دو گروه داده‌ی تست استفاده شده است. نتایج به‌دست آمده نشان می‌دهند که روش SVR با کرنل Linear عملکرد بهتری را نسبت به روش ANN ارایه می‌دهد و در گروه اول داده‌های تست، میزان MAE در SVR با مقدار 6596/51، کم‌تر از این میزان در ANN به‌دست آمده است و روش ترکیبی ارایه شده منجر به نتیجه‌ای بهتر با میزان MAE، 4321/32 و درصد صحت، 32/99 شده است. در گروه دوم داده‌های تست، میزان MAE در SVR با مقدار 68/21، کم‌تر از این میزان در ANN به‌دست آمده است و روش ترکیبی ارایه شده با میزان MAE، 94/20 و درصد صحت، 58/99 منجر به نتیجه‌ای بهتر شده است. پس به این نتیجه می‌رسیم که این روش که حاصل از ترکیب نتایج به‌دست آمده از دو روش ANN و SVR با استفاده از میانگین ساده است را به‌عنوان روشی کارا و مؤثر در پیش‌بینی شاخص صنعت پتروشیمی مطرح کنیم.
کلمات کلیدی: پیش‌بینی شاخص سهام، شبکه‌ی عصبی مصنوعی (ANN)، رگرسیون بردار پشتیبان (SVR)