پيش بيني الگوي بازار سهام با استفاده از شبکه هاي عصبي مصنوعي چندلايه پرسپترون

در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، از مهمترين روشها براي بهبود در وضعيت مالي مي­توان به افزايش درآمد اشاره کرد. يکي از آسان­ترين راه­ها، سرمايه­گذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آوردند. يکي از جذاب­ترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. اين مساله موجب شد که به­ بررسي الگوريتم و روشهاي هوش مصنوعي در مديريت بورس پرداخته شود. در اين تحقيق روشهاي مختلف مورد بررسي قرار گرفته و دلايل موفقيت و شکست اين روشها بررسي شده است. بر مبنای مطالعات انجام شده شاید بتوان گفت بهترين و پرکاربردترين روش شبکه­هاي عصبي است. اگر اين روش با روشهاي آماري ترکيب شود امکان دستيابي به نتايج بهتری فراهم خواهد شد و اگر اين زمينه ميسر شود موجب بهبود در وضع اقتصادي شرکتها و در نتيجه بهبود در وضع اقتصاد کشور خواهد شد.

در اين پروژه سعي شده است به کمک شبکه عصبي پرسپترون به پيش­بيني بازار سهام پرداخته شود. پس از بررسيهاي انجام شده آشکار شد بر روي داده­هاي بنيادي بورس اوراق بهادار کمتر کار شده است. بنابراين به بررسي و مقايسه داده­هاي بنيادي، تکنيکي و ترکيب بنيادي و تکنيکي پرداخته شده است. سپس نشان داده شده است که داده­هاي ترکيبي براي پيش­بيني مناسب­تر هستند. با هدف بهبود پيش­بيني، به داده­هاي مورد استفاده در بازار سهام الگوي سر و سرشانه افزوده شده است. با بررسي و مقايسه صورت گرفته بين داده­هاي معمولي بدون الگوي سر و سرشانه و داده­های با استفاده از اين الگو به کمک جعبه ابزار شبکه­عصبي MATLAB نشان داده شده است که اين الگوموجب بهبود پيش­بيني خواهد شد.