کاربرد شبکه های عصبی مصنوعی در زمان بندی معاملات سهام: با رویکرد تحلیل تکنیکی

زمانبندی معاملات سهام مسأله¬ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش¬بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می¬رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده¬تر مانند شبکه¬های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می¬شوند، می تواند بسیار مفید باشد. در این پژوهش قابلیت شبکه¬های عصبی مصنوعی (ann) برای ارتقای اثربخشی شاخصهای تحلیل تکنیکی در پیش بینی علائم روند قیمت سهام بررسی شده است. نتایج حاصل از مدلها، بر اساس نمونه¬ای شامل 50 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، نشان داد که شبکه¬های عصبی مصنوعی از قابلیت پیش¬بینی علائم تغییر روند کوتاه مدت قیمت سهام در بازار اوراق بهادار تهران برخوردار است. در بازار صعودی پس از کسر هزینه¬های معاملاتی، تفاوت معنی¬داری بین بازده مدل شبکه¬های عصبی مصنوعی، روش خرید و نگهداری و پربازده¬ترین شاخصهای تکنیکی وجود ندارد. اما در بازار نزولی بازده مدل شبکه¬¬های عصبی مصنوعی از بازده روش خرید و نگهداری بیشتر است، هر چند در بازار نزولی شاخصهای روند (میانگین متحرک) بیشترین بازده را کسب نمودند.