پيش بيني قيمت سهام مبتني بر روشهاي سري زماني و شبكه عصبي مصنوعي عميق در بورس اوراق بهادار تهران

Designing a hybrid model for stock price prediction based on time series methods and deep artificial neural network in Tehran Stock Exchange

هدف مقاله حاضر پيش بيني قيمت سهام مبتني بر روشهاي سري زماني و شبكه عصبي مصنوعي عميق در بورس اوراق بهادار تهران بوده است. قيمت سهام به عنوان مهمترين عامل در اتخاذ تصميمات سرمايه‌گذاري در بورس اوراق بهادار مورد توجه قرار مي‌گيرد، از اين رو شناسائي عوامل موثر بر قيمت سهام از اهميت زيادي برخودار است. قيمت سهام نشان‌دهنده توانائي بازار سرمايه در جذب نقدينگي موجود در جامعه و اغلب نمادي از انتظارات بازار از وضعيت اقتصادي شركت‌ها است. همچنين قيمت سهام و تغييرات آن بيان‌كننده ريسك بازار است. بر اين اساس در اين مطالعه از دو روش تغيير رژيم ماركوف و شبه عصبي با يادگيري عميق در بازه زماني 1390-1400 به منظور پيش بيني قيمت سهام استفاده گرديد. جامعه آماري مطالعه حاضر شركت هاي پذيرفته شده در بورس اوراق بهادار تهران بوده است. نمونه آماري شامل 115 شركت انتخاب شده در بازه زماني ذكر شده است. نتايج بدست آمده از مدل برآورد شده بيانگر اين بود كه مدل هيبريدي طراحي شده داراي قدرت پيش بيني بالاتري نسبت به مدل هاي سري زماني و شبكه عصبي بوده است.