چکیده:
هدف اصلی این تحقیق بررسی پیش‌بینی پذیری شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران به کمک انفیس و یافتن مدل مناسب برای پیش‌بینی شاخص بورس اوراق بهادار تهران (تدپیکس) بوده است. بدین منظور، نخست سه متغیر کلان اقتصادی به همراه مقادیر تاریخی شاخص تدپیکس به عنوان ورودی‌های مدل انتخاب شدند؛ سپس ساختارهای گوناگون انفیس و شبکه عصبی مصنوعی پس‌انتشار خطا برای بررسی پیش‌بینی پذیری و شناسایی مدل مناسب انتخاب گردید و برای بررسی پیش بینی‌های اقتصادی، علاوه بر روش‌های آماری از روش غیر آماری نرخ برخورد نیز استفاده شده است. نتایج حاصل از پیش بینی شاخص بورس تهران در بازه زمانی؛ آذرماه 1379 تا مهر 1391، و نرم‌افزار MATLAB (2012) ، معیارهای خطای آماری، غیر آماری و ضریب تعیین بیش از 80 درصد نشان می‌دهد: ساختارهای ساده‌تر در پیش بینی شاخص علاوه بر مزیت سادگی و سرعت، دارای دقت بالاتر هستند و پیش بینی های انفیس نسبت به شبکه‌های عصبی مصنوعی پس‌انتشار خطا دقیق ترند. بر این اساس، انفیس تکنیکی امیدوار کننده برای سرمایه گذاران در پیش بینی شاخص بازده کل بورس اوراق بهادار تهران است
چکیده انگلیسی:
Stock market prediction is important because successful prediction of stock prices may promise attractive benefits. This task is complicated and very difficult. In this paper, the predictability of stock market index with Adaptive Network-Based Fuzzy Inference System (ANFIS) is investigated. The goal is to determine whether an ANFIS algorithm is capable to predict stock market return and trying to find 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 of TEDPIX Index. ANFIS can be a useful tool for economists and practitioners dealing with the forecasting of the stock price index return.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
