پيش بيني بازده بازار سهام تهران با استفاده از تركيب تجزيه موجك و شبكه عصبي فازي تطبيقي

همواره مدل­سازي و پيش­بيني متغيرهاي مالي يكي از موضوع‌هاي مورد علاقه و مهم براي اقتصاددانان بوده است. در اين مقاله، ساختاري براي پيش­بيني سري­هاي زماني ارايه شده است كه با استفاده از رويكرد محاسبات نرم اين امكان را فراهم مي­آورد تا بتوان با دقت بيشتر مقادير آينده يك سري زماني را پيش­بيني كرد. در اين روش، با استفاده از تجزيه موجك، نويز­هاي تصادفي داده ­هاي ورودي شبكه عصبي فازي تطبيقي كاهش مي­يابد و ازاين‌رو، اين عمل باعث كاهش خطا و بهبود در پيش­بيني سري زماني آشوبي موردنظر مي‌شود. در اين مقاله، روش يادشده با استفاده از سري بازده بورس اوراق بهادار تهران در بازه‌ زماني 8 /1/ 1390 تا 1/ 07 /1395 مورد ارزيابي قرار گرفته كه نتايج بيان‌كننده برتري روش پيشنهادي نسبت به ساير روش­هاست. همچنين معنا­داري اختلاف در پيش­بيني مدل­هاي مختلف با استفاده از آزمون MGN مورد بررسي قرار گرفت كه نتايج نشان‌دهنده اختلاف معنا­دار در پيش­بيني مدل­هاي مختلف بود.