مقايسه عملكرد مدل پنج عاملي فاما و فرنچ و انواع رويكرد هاي شبكه عصبي و عصبي فازي در پيش بيني قيمت سهام

يكي از مهم‌ترين موضوعات مطرح بازارهاي مالي پيش‌بيني قيمت و بازده سهام است. در اين پژوهش سعي مي‌شود بهترين مدل و رويكرد پيش‌بيني قيمت سهام با توجه به شاخص هاي ميانگين مربعات خطا (MSE)، مجذور ميانگين مربعات خطاها (RMSE)، ضريب تعيين ( R^2) انحراف معيار (S.D)، ميانگين قدر مطلق خطاها (MAE) و معيار ميانگين قدر مطلق خطاها (MAPE) براي مدل پنج عاملي فاما و فرنچ انتخاب شود. بدين منظور پس از تشكيل پرتفوي با توجه به مدل پنج عاملي فاما و فرنچ در بازه زماني 1388 تا 1395 قيمت سهام توسط مدل اقتصادسنجي، رويكردهاي شبكه عصبي، شبكه عصبي بهينه سازي شده، شبكه عصبي فازي بهينه سازي شده شبكه عصبي پايه شعاعي، شبكه عصبي GMDH، شبكه عصبي SVR و شبكه هاي عصبي فازي پيش‌بيني و دقت هر كدام از رويكردها برآورد شده است. نتايج پيش‌بيني بازدهي پرتفوي‌هاي تشكيل شده، نشان مي‌دهد كه دقت پيش‌بيني شبكه عصبي تابع پايه شعاعي (RBF) نسبت به ديگر مدل هاي ARMA و شبكه‌هاي عصبي بسيار بالا است.