فهیمه ایروانی قلعه سرخ - کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد نیشابور
مهدی صالحی - استادیار دانشگاه فردوسی مشهد

در پژوهش حاضر، به بررسی دقت مدل های ترکیبی شبکه های عصبی در پیش بینی قیمت سهام پرداخته شده است چارچوب مدلهای بکار رفته ترکیبی از الگوریتم ژنتیک و نقشه تودسازماندهی، ترکیب رگرسیون بردار پشتیبان و نقشه خود سازماندهی ترکیب الگوریتم جغرافیای زیستی و شبکه عصبی پرسپترون چندلایه و ترکیب نقشه تودسازماندهی و شبکه عصبی پس انتشار خطا می باشد متغیرهای مستقل در این پژوهش شاتصهای تکنیکی و متغیر وابسته قیمت سهام می باشد، بدین منظور شاخصهای تکنیکی برای شرکتهای صنعت خودرو و قطعات به مدت 6 سال )بازه زمانی 1385 الی 1391 ( محاسبه شده است نتایج نشان دهنده این است که مدل ترکیبی الگوریتم جغرافیای زیستی و شبکه عصبی پرسپترون چندلایه نسبت به سایر مدل های از دقت بالاتری در پیش بینی قیمت سهامبرخوردار می باشد

شبکه های عصبی، شاتصهای تکنیکی، الگوریتم جغرافیای زیستی، الگوریتم نقشه خودسازماندهی، رگرسیون بردارپشتیبان