استفاده از شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده برای پیش بینی روند قیمت سهام (مطالعه موردی : شرکت پتروشیمی خارگ)

Abstract

این مقاله مطالعه ای برای مقایسه توان پیش بینی روند قیمت سه ام با استفاده از شبکه های عصبی ترکیبی آموزش پذیر<br />اصلاح شده در مقابل سایر شبکه های آموزش پذیر و غیر آموزش پذیر ترکیبی است . داده های تاریخی به کار رفته در این<br />تحقیق از شرکت پتروشیمی خارگ، پذیرفته شده در بورس اوراق بهادار ایران بدست آمده اند . شرکت پتروشیمی خا رگ از<br />بزرگترین تولید کنندگان ایرانی محصولات پتروشیمی از جمله متانول است و به دلیل صادرات محصولات، قیمت سهام آن در<br />بورس اوراق بهادار ایران بسیار متأثر از قیمت جهانی محصولات پتروشیمی، به ویژه متانول، می باشد . بنابراین قیمت سهام آن،<br />نسبت به شرکت هایی که فاقد صادرات محصولات به بازار های جهانی هستند، به گونه ای شفاف تغییر می نماید. از آنجا که در<br />بورس اوراق بهادار ایران نمونه مشابه دیگری که دارای سابقه قیمتی کافی و تعداد سهام شناور بالا باشد 1 وجود ندارد، لذا<br />سهام پتروشیمی خارگ مناسبترین گزینه برای انجام فرآیند تحقیق تشخیص داده شد . نتایج این تحقیق نشان می دهد که<br />چگونه شبکه های عصبی ترکیبی آموزش پذیر اصلاح شده می تواند گوی سبقت را در قابلیت پیش بینی روند قیمت سهام از<br />سایر شبکه های ترکیبی آموزش پذیر و غیر آموزش پذیر برباید . این تحقیق همچنان نشان می دهد که چگونه با استفاده از<br />روش پیشنهادی این مقاله می توان بدون نیاز به اطلاعات تفصیلی و جامع به قابلیت پیش بینی نسبتاً دقیقی دست یافت