ارزیابی پیش‌بینی ‌پذیری قیمت سهام با استفاده از شبکه‌های عصبی فازی در بورس تهران

فعالان بورس برای تصمیم گیری در بازارهای مالی و کسب حداکثر بازدهی نیازمند ابزارهای پیشرفته و کاربردی هستند تا با دقت مناسب به پیش بینی بپردازند. در این راه ضروری است ارزیابی پیش بینی ها متناسب با حوزه ی مالی انجام شود. این مقاله برای دست یابی به این هدف قیمت سهام پنجاه شرکت بورس تهران را با استفاده از شبکه های عصبی فازی پیشخور مدل سازی کرده است. همچنین با استفاده از سیستم کنترلگر انفیس، مدل شبکه عصبی در هر تکرار کنترل می شود. برای انجام محاسبات از قیمت های روزانه سهام شرکت های بورسی از آذر 1384 تا آذر 1394 استفاده شده است. دقت پیش بینی ها نیز ابتدا بر مبنای چهار شاخص های معتبر آماری ارزیابی گردید. سپس با استفاده از روش نرخ برخورد، صحت پیش بینی ها ارزیابی شده است. نتایج نشان می دهد دقت پیش بینی شبکه های عصبی فازی بسیار بالاست؛ همچنین در برخی موارد با وجود اینکه پیش بینی مربوط به یک سهم دارای دقت بالاتری دارد، از صحت پایین تری برخوردار است؛ لذا برآورد صحت پیش بینی ها در ارزیابی پیش بینی ها سهمی تاثیرگذار دارد؛ از این رو پیشنهاد می شود در انجام و ارزیابی مدل های پیش بینی علاوه بر توجه به خطاهای آماری مرسوم از روش های کیفی ارزیابی صحت پیش بینی ها نظیر معیار نرخ برخورد استفاده شود.

Assessment of Stock Price Predictions Using Artificial Neural Network (ANN)

The stock market agents should increase their prediction accuracy to maximize their returns, and it needs some advanced tools. In this article stock price of 50 companies in the Tehran Stock Exchange have been modeled using feedforward artificial neural networks. In this way, the daily stock prices are used from December 1384 to December 1394. The predictions accuracy are evaluated with four statistical indicators. The results show that accuracy of ANN predictions is very high. In some cases, although the prediction accuracy is higher, the correctness is lower. Therefore, in the assessment of the prediction, evaluation of the correctness has a significant contribution