تحلیل آشوب، تجزیه موجک و شبکه عصبی در پیش بینی شاخص بورس تهران

این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکه عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سر یزمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دوره زمانی 5 فروردین 1388 تا 18 اردیبهشت 1391 استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دوره بررسی شده، پیش بینی پذیر بوده و آثار غیرخطی معین و آشوبی داشته است. همچنین برطبق معکوس آماره حداکثر نمای لیاپانوف، تعداد روز های پیش بینی پذیر در این مطالعه، 31 روز به دست آمد. یافته دیگر این پژوهش نیز به برتری عملکرد مدل های شبکه عصبی چندلایه پیش خور MFNN و شبکه عصبی فازی ANFIS مبتنی بر داده های تجزیه شده به کمک تجزیه موجک درمقابل به کارگیری سطح داده ها دلالت دارد. دراین بین نیز برتری با مدل شبکه عصبی چندلایه پیش خور بوده است

کلیدواژه ها:

پیش بینی ، بورس ، تحلیل آشوب ، تجزیه موجک ، مدل های شبکه عصبی