پيش‌بيني شاخص بورس اوراق بهادار تهران با استفاده از انفيس

Predicting Tehran’s Stock Market Index Using Adaptive Network-Based Fuzzy Inference System (ANFIS)

هدف اصلي اين پژوهش بررسي پيش بيني پذيري شاخص قيمت و بازده نقدي بورس اوراق بهادار تهران (تدپيكس) به كمك انفيس و يافتن مدل مناسب براي پيش بيني اين شاخص است. بدين منظور، نخست سه متغير كلان اقتصادي به همراه مقادير تاريخي تدپيكس به عنوان ورودي‌هاي مدل انتخاب شدند؛ سپس ساختارهاي گوناگون انفيس و شبكه عصبي مصنوعي پس انتشار خطا براي بررسي پيش بيني پذيري و شناسايي مدل مناسب انتخاب گرديد. شايان ذكر است پيش بيني‌ها از طريق معيار غيرآماري نرخ برخورد، از نظر اقتصادي نيز بررسي شده اند. نتايج بدست آمده از نرم افزار MATLAB (2012) ، در بازه زماني آذرماه 1379 تا مهر 1391، و به كمك معيارهاي خطاي آماري، غير آماري و ضريب تعيين بيش از 80 درصد نشان مي‌دهد: مدل هاي ساده‌تر در پيش بيني شاخص، داراي دقت و عملكرد بيشتر هستند؛ و پيش بيني‌هاي انفيس نسبت به شبكه هاي عصبي مصنوعي پس انتشار خطا دقيق تر هستند. بر اين اساس، انفيس تكنيكي اميدوار كننده براي سرمايه گذاران در پيش بيني شاخص بازده كل بورس اوراق بهادار تهران است.

This paper investigates the predictability of stock market index using an Adaptive Network-Based Fuzzy Inference System (ANFIS). The goal is to determine whether an ANFIS algorithm is capable to predict stock market return and trying to find the best architecture. We attempt to model and predict the return on stock price index of the Tehran Stock Exchange (TEDPIX) with ANFIS. We use six macroeconomic variables as input variables. The experimental results reveal that the model successfully forecasts the daily return on TEDPIX Index. ANFIS can be a useful tool for economists and practitioners dealing with the forecasting of the stock price index return.