کاربرد تئوری مجموعه‌های راف برای پیش‌بینی قیمت سهام (مطالعه موردی: بانک صادرات ایران)

در این پژوهش روشی مبتنی بر تئوری مجموعه‌های راف و با استفاده از شاخص‌های تحلیل تکنیکی جهت پیش‌بینی قیمت سهام ارائه شده است. تئوری مجموعه‌های راف دارای مزایای متعددی است که مهمترین مزیت آن در تحلیل داده‌ها این است که به هیچگونه اطلاعات اضافی اولیه در مورد داده‌ها نیاز ندارد. در مدل پیشنهادی، تعدادی از شاخص‌های تکنیکال برای داده‌های مربوط به بانک صادرات ایران در طول یک سال محاسبه و به عنوان مشخصه‌های شرطی در جدول تصمیم مورد استفاده قرار گرفته و نوسان قیمت سهام در روز بعد نیز به عنوان مشخصه تصمیم انتخاب می‌شود. لازم به ذکر است که با استفاده از آنالیز ماتریس همبستگی، شاخص‌های با بیشترین همبستگی با مشخصه تصمیم انتخاب می‌گردند. سپس با استفاده از تئوری مجموعه‌های راف و ترکیب روش‌های مختلف گسسته‌سازی داده‌ها و تولید بی زائده بر اساس داده‌های یادگیری، قواعد پیش‌بینی استخراج و قدرت پیش‌بینی روش‌های مختلف بر اساس داده‌های کنترل محاسبه شد. در این مطالعه داده‌های شش سال متوالی (یعنی 05/05/1388 لغایت 24/04/1394 بانک صادرات مورد استفاده قرار گرفته است. بررسی قدرت پیش‌بینی این روش و مقایسه بازده حاصل از استفاده از آن و روش خرید و نگهداری، مزیت استفاده از مجموعه‌های راف را آشکار می‌نماید. مقایسه نتایج حاصل از اعمال روش‌ها بر روی داده‌های مربوطه نشان می‌دهد که بازده حاصل از استراتژی خرید و نگهداری 33 ریال و بازده حاصل از مدل 182 ریال به ازای هر سهم می‌باشد. همچنین استفاده از داده‌های سال‌های مختلف با روند قیمتی متفاوت به عنوان ورودی مدل و دستیابی به نتایج رضایت‌بخش، می‌تواند دلیلی امیدوارکننده برای استفاده از این روش و توسعه آن در پیش‌بینی قیمت سهام باشد.