پیش بینی قیمت سهام با استفاده از شبکه عصبی زمانی مکانی مبتنی برRBF

شبکه های عصبی به دلیل خصوصیات منحصر بفردشان یکی از ابزارهای قابل قبول در پیش بینی سری های زمانی قیمت سهام می باشند. مدلهای پیش بینی با استفاده از این شبکه ها از قیمت سهام در بازه های زمانی قبل استفاده نموده و عمل پیش بینی را انجام می دهند لیکن زمان وقوع رویداد را در نظر نمی گیرند. در بازار سهام علاوه بر قیمت سهام در دوره های قبل، زمان وقوع رویداد نیز حاوی اطلاعات می باشد. از این رو، در این مقاله مدلی از شبکه های عصبی تحت عنوان شبکه های عصبی زمانی مکانی به نام STRBF ارائه شده است که زمان وقوع رویداد را به عنوان یکی دیگر از پارامترهای ورودی شبکه اعمال نموده ایم. نتایج پیش بینی با استفاده از این مدل در مقایسه با مدلهای مشابه بر روی داده های سهام داوجونز (DJINX) ، شاخص بازار بورس تهران (TEPIX) و شاخص 50 شرکت برتر بازار بورس تهران (TEPIX50) دارای عملکرد بهتری می باشد که نمایانگر کارایی مدل ارائه شده و اهمیت پارامتر زمان رخداد به عنوان ورودی مدل پیش بینی می باشد.

کلیدواژه ها:

پیش بینی قیمت سهام ، شبکه های عصبی مصنوعی ، داده های زمانی مکانی ، سریهای زمانی