بکارگیری سیستم استنتاج فازی و شبکه هی عصبی مصنوعی در پیش بینی بازده سهام

اولیوت اصلی سرمایه گذاران بالقوه و بالفعل که بازیگران بازار بورس هستند، کسب بازده است. بنابراین ارزیابی و پیش بینی بازده بازار به عنوان ابزاری در راستای نیاز سرمایه گذاران به پوشش ریسک بازار بالقوه می تواند کمک موثری در اخذ تصمیمات منطقی سرمایه گذاران به حساب آید از طرفی، با توجه به اینکه بازار سهام، سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی است، لذا پیش بینی داده هایی که از این سیستم پیروی می کنند، نیازمند ابزارهای هوشمند و پیشرفته ای همچون شبکه های عصبی مصنوعی و روش های ترکیبی است، لذا در این تحقیق، به پیش بینی بازده سهام استفاده از دو مدل مبتنی بر هوش مصنوعی از طریق برنامه نویسی در محیط نرم افزار متلب، شامل شبکه های عصبی مصنوعی با معماری پس انتشار خطا از نوع پرسپترون چند لایه تحت الگوریتم آموزشی لورنبرگ-مارکوآت با ساختار چهار لایه (1-2-4) و مدل شبکه های عصبی-فازی با الگوریتم یادیگیری پس انتشار خطا و سیستم استنتاج فازی تاکاگی سوگنو با 8 تابع عضویت و تابع فعالسازی از نوع تفاوت دو تابع سیگموئید 1، بعد از 25 تکرار پرداخته شد. نتایج تحقیق نشان دهنده توانایی سیستم های فازی عصبی در پیش بینی بازده سهام خطای کمتر از % و عملکرد بهتر سیستم های فازی عصبی نسبت به شبکه های عصبی مصنوعی است.