پیش بینی بازار سهام با استفاده از شبکه عصبی ترکیبی

بازار سهام یک سیستم غیر خطی با دینامیک بسیار پیچیده است. زیرا دینامیک این سیستم را انسان ها ایجاد می کنند. شبکه های عصبی بر اساس توانایی آن ها در مدل سازی روابط غیر خطی میان داده های ورودی-خروجی، ابزار مناسبی برای مدل کردن و پیش بینی سیستم ها با دینامیک غیر خطی و پیچیده هستند. بنابراین انتظار می رود این شبکه ها برای پیش بینی بازار سهام کارآمد باشند. در تحقیقات پیشین مطالعات زیادی بر روی بازار بورس تهران انجام شده است اما در این سیستم ها بیشتر بازار بورس در کوتاه مدت مدل می شود. به طور مثال قیمت سهام در بازه 3 روز آینده پیش بینی می گردد و همچنین از شبکه های عصبی ترکیبی به ندرت برای پیش بینی قیمت ها در بازار بورس تهران استفاده شده است. در این پایان نامه مدل هیبرید جدیدی قیمت سهام بازار بورس تهران را در دو بازه کوتاه مدت (یک و سه و پنج روز) و بلندمدت (تا سی روز) پیش بینی می کند.روش هیبرید استفاده شده در این کار تاکنون در پیش بینی بازار بورس استفاده نشده است و یک روش دینامیکی می باشد که با توجه به خطاهای دو سیستم ، وزن های خود را تعیین می کند. ورودی های استفاده شده قیمت سهام چند روز گذشته و امروز است. نتایج تحقیق با خروجی شبکه های عصبی استاندارد دیگر مانند شبکه های پرسپترون چند لایه ،شبکه های عصبی بازگشتی و مدل سری های زمانی مقایسه شده است. نتایج حاکی از آن است که استفاده از روش هیبرید جدید پیشنهادی باعث افزایش راندمان در مدل های دیگر می شود.در مدل های استفاده شده در این پایان نامه، مدل هیبرید anfis-arima بهترین نتایج را در بین تمامی مدل ها داشته است. همچنین در این پایان نامه از داده های چندین شرکت به عنوان ورودی استفاده شده و نتایج مدل های ارائه شده برای شرکت های مختلف با هم مقایسه شده است ..