مقاله مقایسه مدل های شبکه عصبی با مدل سری زمانی باکس-جنکینز در پیش بینی شاخص کل قیمت سهام بورس اوراق بهادار تهران که چکیده‌ی آن در زیر آورده شده است، در تابستان ۱۳۹۱ در مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی) از صفحه ۱ تا ۱۶ منتشر شده است.
نام: مقایسه مدل های شبکه عصبی با مدل سری زمانی باکس-جنکینز در پیش بینی شاخص کل قیمت سهام بورس اوراق بهادار تهران
این مقاله دارای ۱۶ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله پیش بینی شاخص کل قیمت سهام ،شبکه های عصبی
مقاله شبکه عصبی پایه ای شعاعی
مقاله شبکه عصبی پروسپترون چند لایه
مقاله شبکه عصبی رگرسیونی
مقاله سری زمانی
مقاله باکس-جنکینز

نویسنده(ها):
جناب آقای / سرکار خانم: حقیقت منفرد جلال
جناب آقای / سرکار خانم: احمدعلی نژاد محمود
جناب آقای / سرکار خانم: متقالچی سارا

چکیده و خلاصه‌ای از مقاله:
پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سری زمانی در پیش بینی قیمت شاخص سهام می پردازد. بدین جهت سه مدل از شبکه های عصبی (پروسپترونی چند لایه، پایه ای شعاعی و رگرسیونی) و یک مدل از مدل های سری زمانی (باکس-جنکینز) مورد بررسی قرار گرفته اند. شاخص کل قیمت سهام بازار بورس تهران در بازه زمانی ابتدای فروردین ۱۳۸۴ تا انتهای اسفند ۱۳۸۸ به عنوان جامعه آماری انتخاب شده است. به منظور داشتن معیاری برای مقایسه از چهار معیار خطای ریشه میانگین مربع خطا، میانگین قدر مطلق درصد خطا، میانگین قدر مطلق خطا و ضریب تعیین استفاده شده است. برای آموزش مدل ها از ۸۰ درصد داده ها معادل ۹۱۳ روز از اول فروردین سال ۱۳۸۴ تا ۳۱ فروردین سال ۱۳۸۸ استفاده شده و مدل های طراحی شده قادر هستند۲۹۹  روز آتی را پیش بینی نمایند. برای ساختن ۳ مدل شبکه عصبی از محیط نرم افزار Matlab و برای ساختن مدل سری زمانی باکس-جنکینز از نرم افزار هایSpss  و Eviews استفاده شده است. نتایج حاصله حاکی از آن است که ۳ مدل شبکه عصبی از لحاظ ۴ معیار خطا نسبت به مدل سری زمانی آریما برتری دارد. از طرفی از میان ۳ مدل شبکه عصبی به کار رفته به ترتیب، مدل شبکه عصبی پایه ای شعاعی و پس از آن مدل شبکه عصبی پروسپترون چند لایه بهترین عملکرد و شبکه عصبی رگرسیونی بدترین عملکرد را دارا می باشند.