پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

همواره مدل­سازی و پیش­بینی متغیرهای مالی یکی از موضوع‌های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیش­بینی سری­های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می­آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش­بینی کرد. در این روش، با استفاده از تجزیه موجک، نویز­های تصادفی داده­های ورودی شبکه عصبی فازی تطبیقی کاهش می­یابد و ازاین‌رو، این عمل باعث کاهش خطا و بهبود در پیش­بینی سری زمانی آشوبی موردنظر می‌شود. در این مقاله، روش یادشده با استفاده از سری بازده بورس اوراق بهادار تهران در بازه‌ زمانی 8/1/1390 تا 1/07/1395 مورد ارزیابی قرار گرفته که نتایج بیان‌کننده برتری روش پیشنهادی نسبت به سایر روش­هاست. همچنین معنا­داری اختلاف در پیش­بینی مدل­های مختلف با استفاده از آزمون MGN مورد بررسی قرار گرفت که نتایج نشان‌دهنده اختلاف معنا­دار در پیش­بینی مدل­های مختلف بود.