
تعداد نشریات | 43 |
تعداد شمارهها | 1,735 |
تعداد مقالات | 14,190 |
تعداد مشاهده مقاله | 34,841,671 |
تعداد دریافت فایل اصل مقاله | 13,913,065 |
پیشبینی شاخص کل بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی نارکس | ||
مدیریت دارایی و تامین مالی | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 03 خرداد 1404 | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22108/amf.2025.143461.1940 | ||
نویسندگان | ||
علی تسلیم پور1؛ غلامرضا عسکرزاده* 2؛ کریم قالمق3؛ هومن نصیری4 | ||
1دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران | ||
2گروه مدیریت مالی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران | ||
3گروه مدیریت و حسابداری، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران | ||
4گروه اقتصاد، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران. | ||
چکیده | ||
این پژوهش با هدف تعیین تنظیمات بهینه مدل شبکه عصبی خودرگرسیون غیرخطی با ورودیهای برونزا (نارکس) برای پیشبینی روز آتی شاخص کل بورس اوراق بهادار تهران انجام شده است. سایر اهداف شامل مقایسه عملکرد مدل نارکس با مدلهای شبکه عصبی خودرگرسیون غیرخطی (نار) و ورودی - خروجی غیرخطی (نایو)، توسعه بازه زمانی پیشبینی با استفاده از شبکه عصبی نار، اعتبارسنجی مدل نارکس از طریق تحلیل حساسیت و مقایسه عملکرد آن با مدل میانگین متحرک خودرگرسیون انباشته (آریما) است. طبق دادههای شاخص کل از سال ۱۳۸۸ تا ۱۴۰۲، مدل نارکس برای پیشبینی روز آتی و مدل نار برای توسعه بازه زمانی پیشبینی به کار گرفته شد. عملکرد مدل نارکس با مدلهای نار، نایو و آریما بر اساس درصد خطای مطلق مقایسه شد. برای تعیین تنظیمات بهینه مدل نارکس و مقایسه عملکرد مدل نار با آریما نیز میانگین مجذور خطا ملاک قرار گرفت. یافتهها نشان میدهد که مدل نارکس پیشنهادی، در ترکیب با دادههای قیمت باز، بسته، سقف و کف، حجم معاملات و میانگینهای متحرک ساده و نمایی، بهترین عملکرد پیشبینی را داشته است. در مقایسه با سایر الگوریتمهای آموزشی، الگوریتم لونبرگ - مارکوارت بالاترین دقت را ایجاد کرده است. نتایج اعتبارسنجی نیز برتری مدل نارکس را نسبت به الگوریتمهای شبکه عصبی نار و نایو و مدل سنتی آریما تأیید میکند. این پژوهش نخستین بررسی از عملکرد شبکه عصبی نارکس در پیشبینی شاخص کل بورس تهران است و یافتههای آن، علاوه بر توسعه دانش نظری در زمینه کاربرد شبکه عصبی پویا، میتواند بهعنوان ابزاری اثربخش در اختیار تحلیلگران بازار سرمایه قرار گیرد. | ||
کلیدواژهها | ||
پیشبینی قیمت؛ شاخص بورس؛ شبکه عصبی نارکس؛ یادگیری ماشین | ||
آمار تعداد مشاهده مقاله: 42 |