|
|
|
|
پیش بینی اثر متغیرهای کلان بر شاخص قیمت سهام با استفاده از شبکه عصبی GMDH
|
|
|
|
|
|
|
|
نویسنده
|
فرمان آرا امید ,فرمان آرا وحید
|
|
منبع
|
اقتصاد مالي - 1389 - دوره : 4 - شماره : 12 - صفحه:45 -62
|
|
چکیده
|
اقتصاد هر کشور از بخش های مختلفی تشکیل شده که روابط بین این بخش ها، سمت و سوی اقتصاد آن کشور را مشخص می کند. در این میان بازار سرمایه در کنار بازار پول، به عنوان اجزای تشکیل دهنده بازارهای مالی بوده و در واقع، شریان های اصلی یک اقتصاد محسوب می شوند، که مسایلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد است و چنانچه رابطه منطقی بین بازار مالی با بخش های دیگر اقتصادی وجود نداشته باشد، احتمال بروز اختلالات و نقصان هایی در ساز و کار اقتصاد وجود دارد. بازار بورس به عنوان رکن اصلی بازار مالی نقش مهمی را در تسهیل سرمایه گذاری های شکل گرفته در بازار سرمایه ایفا می کند. هدف اصلی این پژوهش پیش بینی شاخص قیمت سهام بورس تهران است. بدین روی، ضمن مرور اجمالی بر شناخته‌شده‌ترین نظریه های اقتصادی، به ارایه روش جدیدتری نسبت به روش های دیگر رایج پیش بینی در گذشته پرداخته و با استفاده از مدل شبکه عصبی gmdh، اثر متغیرهای کلان اقتصادی (شامل نرخ ارز، نرخ تورم و تولید ناخالص داخلی) بر شاخص قیمت سهام بورس اوراق بهادار تهران را الگوسازی و پیش‌بینی میکنیم. الگوریتم gmdh قابلیت استفاده در موضوع های متنوعی مانند کشف روابط، پیش‌بینی، مدل‌سازی سیستم‌ها، بهینه‌سازی و شناخت الگوهای غیرخطی را دارد. ویژگی خاص این الگوریتم استنتاجی، قابلیت شناسایی و غربال‌کردن متغیرهای کم‌اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه‌سازی در دوره آزمون است. بدین ترتیب، می‌توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم‌اثرتر را حذف نمود و در نهایت، مدل بهینه برای پیش‌بینی را بر اساس معیارهای رایج خطا نظیر rmse و mape به دست آورد. افزون براین، این الگوریتم قادر به شناسایی و رتبه‌بندی تاثیرگذارترین متغیرها نیز می‌باشد. نتایج به دست آمده حاکی از دقت بسیار بالا و قابلیت فوق العاده الگوریتم gmdh در پیش بینی شاخص قیمت سهام بورس تهران است، به طوری که خطای حاصل از پیش بینی شاخص قیمت سهام بورس تهران برای داده های سالانه 0.37درصد، ماهانه 0.35درصد و برای فصلی 2.04درصد است. همچنین، نتایج نشان می دهد که در بهترین مدل غیرخطی پیش بینی شاخص قیمت سهام با استفاده از مدل شبکه عصبی gmdh متغیرهای نرخ ارز، نرخ تورم و تولید ناخالص داخلی همگی جز متغیرهای موثر بوده و هیچکدام از مدل حذف نشدند.
|
|
کلیدواژه
|
پیش بینی ,شاخص قیمت سهام ,متغیر های کلان ,شبکه های عصبی مصنوعی ,الگوریتم GMDH ,Anticipation ,Stock prices ,Macroeconomics Variables ,Artificial Neural Network ,GMDH Algorithm
|
|
آدرس
|
دانشگاه تهران, ایران, دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, ایران
|
|
پست الکترونیکی
|
vahidfarmanara@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|