پیش بینی شاخص بازار با استفاده از شبکه های عصبی تحت تاثیر حجم معاملات در بازه های زمانی مختلف

بی شک بورس اوراق بهادار یکی از نهادهای با اهمیت و تأثیرگذار در اقتصاد هر کشوری است. بطوری که پژوهشگران و صاحبنظران وضعیت بورس را به عنوان معیاری برای سلامت اقتصادی یک جامعه در نظر گرفته اند. متأسفانه بورس اوراق بهادار ایران هنوز جایگاه اصلی خود را در اقتصاد ملی نیافته است. شاید یکی از مهم ترین عوامل آنرا بتوان نبود شفافیت اطلاعاتی در بورس ذکر کرد. با توجه به رویکرد دولت در جهت حرکت به سمت خصوصی سازی، به نظر می رسد یکی از مهم ترین چالش های فراروی این اقدام، تلاش در جهت افزایش شفافیت وکارایی بازار بورس باشد. هدف پژوهش حاضر، کمک به شفافیت بورس اوراق بهادار تهران بوسیله پیش بینی شاخص کل بازار است. در این پژوهش تأثیر حجم معاملات سهام شرکت ها بر روی افزایش صحت پیش بینی نیز بررسی می-شود. در جهت توسعه مدل، از ابزار قدرتمند هوش مصنوعی یعنی شبکه های عصبی کمک گرفته شده است. در این پژوهش، ابتدا قابل پیش بینی بودن شاخص کل بازار در سری های زمانی روزانه و ماهانه بررسی شده و سپس تأثیرگذار بودن حجم معاملات در سری-های ذکر شده بر روی پیش بینی مورد پژوهش قرار گرفته است. در نهایت مدل بدست آمده از شبکه های عصبی با مدل رگرسیون به عنوان یکی از مدل های اقتصادسنجی مورد مقایسه قرار است. با توجه به نتایج حاصل شده، شبکه های عصبی در حالت روزانه در بازه زمانی 78-1387 با اعتبار 69% نسبت به مدل رگرسیون خطی با اعتبار 64%، قابلیت اطمینان بیشتر دارد. همچنین شبکه های عصبی در حالت ماهانه در همان بازه زمانی یعنی 78-1387 با اعتبار 64% نسبت به رگرسیون خطی با اعتبار 56% قابلیت اطمینان بیشتری دارد. از طرفی با توجه به نتایج بدست آمده، تأثیر مستقیم حجم معاملات سهام شرکت ها به روی افزایش صحت پیش-بینی در حالت روزانه و ماهانه تأیید می گردد.