سال انتشار: ۱۳۹۱

محل انتشار: نهمین کنفرانس بین المللی مهندسی صنایع

تعداد صفحات: ۷

نویسنده(ها):

منصور زراءنژاد – استاد، دانشگاه شهید چمران اهواز
مریم احمدی فرد – دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد شوشتر

چکیده:

هدف این تحقیق، تمرکز بر توسعه روشهای پیشبینی دقیقتر، معتبرتر و ارائه مدل مناسبی با استفاده از سیستمهای هوشمند،برای برآورد بازده سهام به عنوان ابزاری در راستای نیاز سرمایهگذاران به پوشش ریسک بازار بالقوه است، تا به این وسیله ابزاریدر جهت بهبود کیفیت تصمیمات مالی فراهم شود. به همین منظور، در این مقاله، با استفاده از دادههای مربوط به قیمت نفت، قیمت طلا، نرخ ارز در بازار آزاد و شاخص قیمت سهام در بازه زمانی( ۱۳۸-۱۳۸۴ ) به عنوان متغیرهای مستقل، به پیشبینی بازده سهام با دو مدل شبکههای عصبی مصنوعی و سیستمهای فازی عصبیANFIS) پرداخته شده است. در مدلسازی شبکههای عصبی مصنوعی از معماری پرسپترون چند لایهMLP) تحت الگوریتم آموزشی لورنبرگ- مارکوآت، با ساختاری چهار لایه ۱-۱۰-۱۰-۴استفاده شده است؛ و در سیستمهای فازی- عصبی با استفاده از الگوریتم یادگیری هیبریدی و سیستم استنتاج فازی تاکاگی سوگنو بعد از ۳۵ تکرار، با تعداد دو تابع عضویت برای هر متغیر ورودی، از نوع زنگیgbellmf) مدل بهینه طراحی شد..