بررسي و شناخت متغيرهاي اصلي تاثيرگذار بر شاخص كل بورس اوراق بهادار تهران و مدلسازي آن با استفاده از شبكه هاي عصبي مصنوعي و مقايسه نتايج حاصله با تحليل تكنيكال و موجهاي اليوت

Analysis of Most Important Variables Affecting TEPIX and Modeling Them with Artificial Neural Networks and Comparing Results with Technical Analysis and Elliott Waves

هدف اصلي اين مطالعه، بررسي و شناخت متغيرهاي اصلي تاثيرگذار بر شاخص كل بورس اوراق بهادار تهران و مدلسازي آن با استفاده از شبكه هاي عصبي مصنوعي و مقايسه نتايج حاصله با تحليل تكنيكال و موج هاي اليوت است. متغيرهاي توضيحي به كار رفته در مدل­ تحقيق: نرخ ارز، تورم، بيكاري، رشد توليد و حجم نقدينگي بودند و متغير هدف در اين مطالعه شاخص كل بورس اوراق بهادار تهران مي باشد. در اين تحقيق از شبكه­هاي عصبي GMDH و MLP و همچنين ابزارهاي تحليل تكنيكال (امواج اليوت و كانال رگرسيون) استفاده گرديد. در اين خصوص شبكه GMDH نشان داد كه از ميان متغيرهاي مورد استفاده به عنوان شاخصهاي كلان اقتصادي، متغير نرخ بيكاري متغير زائد بوده و تاثير آن ناچيز است. اما ساير متغيرها (نرخ ارز، تورم، رشد توليد، حجم نقدينگي) اثر مضاعفي داشتند. همچنين يافته ديگر تحقيق ضمن تاييد نتايج مشابه براي شبكه عصبي و تحليل تكنيكال، حاكي از قدرت بالاتر شبكه­هاي عصبي در پيش­بيني شاخص بورس است.

The main goal of this research is to studying an identifying the main influencing variables on the TEPIX (Tehran Stock Price Index) and modelling them using artificial neural networks and comparing results with technical analysis and Elliot waves. Independent variables used are dollar exchange rate, inflation, GDP, unemployment and liquidity and dependent variable is TEPIX. In this study, artificial neural networks (NLP and GMDH), technical analysis tools (Elliot waves and regression channel) are used that they show between independent variables in GMDH, unemployment is unneeded variable and have low influence, but others have high influence in the model. Further the study shows that technical analysis and artificial neural networks may have same results, but ANN have more power to predict the TEPIX