ارایه مدلی از شبکه عصبی و تبدیل موجک برای پیش بینی شاخص سهام

شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری ،یکی از مسائل مهم به شمار می رود.از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی،شبکه عصبی می باشد که باتوجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها ،گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز در سری های زمانی به خصوص در سری های زمانی مالی و اقتصادی باعث کاهش دقت پیش بینی شبکه عصبی می گردد.یکی از روش های نوفه زدایی در سری های زمانی،تبدیل موجک می باشد. این پژوهش به مقایسه بین دقت پیش بینی شاخص کل بورس اوراق بهادار تهران در دو مدل شبکه عصبی با استفاده از داده های نوفه زدایی شده با تبدیل موجک و شبکه عصبی با استفاده از داده های اولیه از ابتدای سال 1385 تا 31 خرداد 1392 می پردازد.نتایج حاکی از بهبود معنادار در پیش بینی شبکه عصبی با استفاده از داده های نوفه زدایی شده می باشد.

کلیدواژه ها:

تبدیل موجک ، شبکه عصبی ، نوفه زدایی ، آستانه