کاربرد روش تکنیکال برای پیش‌بینی قیمت سهام: رویکرد مدل‌های احتمال غیرخطی و شبکه‌های عصبی مصنوعی

Abstract

<strong> </strong><br /> پیش­بینی حرکت قیمت سهام ازجمله مسائلی است که همواره تحلیل­گران و سرمایه­گذاران با آن مواجه هستند و آنان از ابزارهای مختلفی ازجمله تحلیل­های بنیادی و تکنیکال برای انتخاب سهام خوب و همچنین پیش­بینی روند قیمتی در روزهای آینده استفاده می­کنند. آنچه تحلیل­گران به آن توجه دارند، توانایی تحلیل تکنیکال در پیش­بینی­های کوتاه‌مدت می­باشد. بدین منظور، در این مقاله، مدل­هایی با استفاده از ابزارهای شبکه عصبی، لاجیت، پروبیت و مقدار حدی به‌منظور پیش­بینی جهت حرکت قیمت سهم در روز بعد ارائه‌شده است. برای پیاده­سازی و مقایسه مدل‌های ارائه‌شده، برخی از شاخص­های تکنیکال روزانه سهام شرکت ایران­خودرو در بورس اوراق بهادار تهران که ازجمله سهام­های مورد اقبال سرمایه­گذاران می­باشد، بررسی‌شده است. بازه زمانی موردبررسی سال­های 1392 تا 1397 بوده است. نتایج این پژوهش نشان می­دهد که در آزمون نا پارامتری برابری نسبت­ها، ازلحاظ آماری مدل‌های ارائه‌شده تفاوت معناداری باهم نداشته­اند، اما معیارهای سنجش خطا بیان می­کند که مدل پروبیت، خطای کمتری در پیش­بینی سهام در بازار بورس تهران دارد.<br />