پيش بيني قيمت سهام در بورس اوراق بهادار تهران با استفاده از مدل شبكه عصبي مصنوعي(ANN) و مدل خود رگرسيون ميانگين متحرك انباشته (ARIMA) : مطالعه موردي دو شركت دارويي فعال بورس اوراق بهادار

Stock Price Prediction in Tehran Stock Exchange Using Artificial Neural Network Model and ARIMA Model: A Case Study of Two Active Pharmaceutical Companies in Stock Exchange

در اين تحقيق به مقايسه كارايي دو روش پيش بيني شبكه عصبي مصنوعي (ANN) و روش سنتي خودرگرسيون ميانگين متحرك انباشته (ARIMA) در پيش بيني قيمت سهام در بازار سهام ايران پرداخته شده است. بدين منظور 2 شركت دارويي البرز دارو و جام دارو انتخاب شده و مدل ARIMA و مدل شبكه عصبي مصنوعي براي هر دو شركت تخمين زده شد. به منظور تخمين مدل شبكه عصبي مصنوعي، متغير قيمت سهام به عنوان متغير وابسته و متغير هاي حجم معاملات سهام، شاخص صنعت دارو، قيمت نفت اوپك، نرخ ارز و قيمت طلا به عنوان متغير هاي مستقل در نظر گرفته شد. براي مقايسه دو مدل نيز از معيارهاي MSE,RMSE,MAD,R2 و MAPE استفاده شد. به منظور تخمين مدل رگرسيون پيش بيني قيمت سهام از فرآيند خود رگرسيون ميانگين متحرك انباشته (ARIMA) استفاده و تخمين ضرايب مدل با استفاده از نرم افزار آماري EVIEWS انجام شده و مدل شبكه عصبي مصنوعي (ANN) مناسب براي پيش بيني قيمت سهام نيز با استفاده از نرم افزار MATLAB ساخته شد. نتايج تحقيق نشان داد كه فرضيه تحقيق در صورت تاثير متغير هاي كلان اقتصادي بر روي قيمت سهام صحيح بوده و مدل شبكه عصبي مصنوعي (ANN) پيش بيني بهتري از قيمت سهام در بازار سهام ايران در مقايسه با روش خود رگرسيون ميانگين متحرك انباشته (ARIMA) دارد.

In This Study We Compare the Efficiency of Both Artificial Neural Network Prediction Methods (ANN) and Traditional Method of Auto Regressive Integrated Moving Average (ARIMA) in Predicting Stock Prices in Iranian Stock Market. For This Purpose, Four Pharmaceutical Companies, Alborz Drug, Iran Drug, Pars Drug, and Jam Drug Were Selected and ARIMA Model and Artificial Neural Network Model Were Estimated For All Four Companies. In Order to Estimate Artificial Neural Network Model, Stock Price Variable as Dependent Variable and Stock Trading Volume, Drug Industry Index, OPEC Oil Price, Exchange Rate and Gold Price are Considered as Independent Variables. MSE, RMSE, MAD, R2 and MAPE Criteria Were Used to Compare Two Models. In Order to Estimate the Stock Price Forecast Regression Model, Use of Auto Regressive Integrated Moving Average (ARIMA) Regression Is Used and Estimation of the Coefficients of the Model is Performed Using the EVIEWS Statistical Software. An Suitable ANN Model Was Created For Predicting Stock Prices Using MATLAB Software. The Results of the Research Showed That the Research Hypothesis is Correct and the Artificial Neural Network Model (ANN) Has a Better Predictor of Stock Price in the Iranian Stock Market Than the ARIMA Method.