مریم جعفری - دانشکده ی فنی و مهندسی، گروه برق کنترل، دانشگاه آزاد اسلامی واحد تهران جنوب
زینب فلاح - دانشکده ی مهندسی برق و کامپیوتر، گروه مهندسی کنترل، دانشگاه تبریز

پژوهش حاضر به مطالعه پیش بینی اندیکاتورهای RSI و MACD از روش های تکنیکال در بازار سرمایه به وسیله یشبکه ی عصبی و ارائه ی شواهدی مبنی بر رفتار آشوبناک و غیرخطی قیمت سهام در بورس اوراق بهادار می پردازد. اینپژوهش با بیان پیچیدگی داخلی و تنوع ساختار بیرونی سیستم قیمت سهام، به تجزیه و تحلیل اصول پیش بینی سهاممبتنی بر شبکه ی عصبی BP پرداخته و یک مدل پیش بینی بازار سهام با استفاده از شبکه عصبی برگشتی و توپولوژی هایشبکه، اصول تعیین لایه های پنهان، انتخاب و پیش تیمار داده های نمونه و تعیین پارامترهای اولیه ارائه می دهد. با استفادهاز الگوریتم شبکه عصبی، میزان خطای اعتبارسنجی کمترین مقدار می شود تا شرط توقف برقرار شود. آزمایش شبیه سازیبراساس شاخص نماینده ای از بازار بورس تهران (بانک پاسارگاد) از طریق آموزش بر انتخاب نمونه ها و مدل پیش بینی،نشان می دهد که این الگوریتم می تواند در پیش بینی کوتاه مدت و میانمدت نتیجه بهتری نشان دهد.

شبکه ی عصبی، روش های تکنیکال، روش میانگین متحرک، پیش بینی قیمت سهام