زمانبندی معاملات سهام مسأله ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده تر مانند شبکه های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می شوند، می تواند بسیار مفید باشد. در این پژوهش قابلیت شبکه های عصبی مصنوعی (ANN) برای ارتقای اثربخشی شاخصهای تحلیل تکنیکی در پیش بینی علائم روند قیمت سهام بررسی شده است. نتایج حاصل از مدلها، بر اساس نمونه ای شامل 50 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، نشان داد که شبکه های عصبی مصنوعی از قابلیت پیش بینی علائم تغییر روند کوتاه مدت قیمت سهام در بازار اوراق بهادار تهران برخوردار است. در بازار صعودی پس از کسر هزینه های معاملاتی، تفاوت معنی داری بین بازده مدل شبکه های عصبی مصنوعی، روش خرید و نگهداری و پربازده ترین شاخصهای تکنیکی وجود ندارد. اما در بازار نزولی بازده مدل شبکه های عصبی مصنوعی از بازده روش خرید و نگهداری بیشتر است، هر چند در بازار نزولی شاخصهای روند (میانگین متحرک) بیشترین بازده را کسب نمودند.

واژه‌های کلیدی: زمان بندی معاملات سهام، ‌ شبکه های عصبی مصنوعی، تحلیل تکنیکی، شاخصهای تکنیکی، روش خرید و نگهداری

متن کامل [PDF 455 kb]   (3830 دریافت)