مدلي تركيبي بر پايه سيستم هاي استنتاج فازي- عصبي براي پيش بيني بازده سهام

هدف اين تحقيق، تمركز بر توسعه روشهاي پيشبيني دقيقتر، معتبرتر و ارائه مدل مناسبي با استفاده از سيستمهاي هوشمند،براي برآورد بازده سهام به عنوان ابزاري در راستاي نياز سرمايهگذاران به پوشش ريسك بازار بالقوه است، تا به اين وسيله ابزاريدر جهت بهبود كيفيت تصميمات مالي فراهم شود. به همين منظور، در اين مقاله، با استفاده از دادههاي مربوط به قيمت نفت، قيمت طلا، نرخ ارز در بازار آزاد و شاخص قيمت سهام در بازه زماني( 138-1384 ) به عنوان متغيرهاي مستقل، به پيشبيني بازده سهام با دو مدل شبكههاي عصبي مصنوعي و سيستمهاي فازي عصبيANFIS) پرداخته شده است. در مدلسازي شبكههاي عصبي مصنوعي از معماري پرسپترون چند لايهMLP) تحت الگوريتم آموزشي لورنبرگ- ماركوآت، با ساختاري چهار لايه 1-10-10-4استفاده شده است؛ و در سيستمهاي فازي- عصبي با استفاده از الگوريتم يادگيري هيبريدي و سيستم استنتاج فازي تاكاگي سوگنو بعد از 35 تكرار، با تعداد دو تابع عضويت براي هر متغير ورودي، از نوع زنگيgbellmf) مدل بهينه طراحي شد..