چکیده

سرمایه گذاری در بازار سرمایه مستلزم تصمیم گیری می باشد که این خود نیازمند دستیابی به اطلاعاتی درخصوص وضعیت آینده قیمت بازار سهام می باشد. لذا در صورتی که بتوان روند آتی بازار سهام را با روش های مناسب پیش بینی نمود، سرمایه گذار می تواند بازده حاصل از سرمایه گذاری خود را بیشینه سازد. این تحقیق به پیش بینی قیمت سهام در سطح ماهانه می پردازد , که با استفاده از شبکه عصبی مبتنی بر الگوریتم GMDH مصنوعی می باشد. در این تحقیق قیمت پایانی به عنوان متغیر وابسته حجم معاملات، تعداد معاملات، ارزش بازار و نرخ تورم به عنوان متغیر مستقل استفاده شده است، به همین منظور روند تغییرات در سال های ۱۳۸۹ تا ۱۳۹۳ بصورت ماهانه در نظر گرفته شده است. نتایج نشان می دهد که این مدل قابلیت پیش بینی قیمت سهام را دارا بوده و نیز ارتباط معنا داری
بین متغییرهای فوق و قیمت سهام وجود دارد.

واژگان کلیدی: پیش بینی، قیمت سهام، بازده سهام، حجم معاملات , شبکه عصبی.

۱

Petroleum Investment Company stock price forecasting using artificial neural network.

Case Study: Iranian Oil Company.

Abstract

Investing in the stock market requires that the decision needs to obtain information about the future state of the stock market price. So if we can predict the future stock market with appropriate methods, the investor can maximize returns from their investment. This paper deals with the prediction of stock prices at the monthly level, using GMDH algorithm based on artificial neural network. In this study, the final price as the dependent variable, turnover, number of transactions, the market value and the inflation rate is used as the independent, for this purpose, the trends for the years 1389 to

۱۳۹۳ is considered a monthly basis. The results show that this model has the ability to predict the stock price and the relationship between these variables and stock prices there.

Keywords: Forecasts, stock quotes, stock returns, trading volume, neural network.

۲

مقدمه

امروزه مدیران مالی ترجیح می دهند مکانیزمی در اختیار داشته باشند که بتواند آن ها را در امور تصمیم گیری یاری نماید به همین دلیل توجه به روش های پیش بینی بسیار مورد توجه قرار گرفته است. همچنین برنامه های نرم افزاری بسیاری نیز وجود دارند که به این تصمیم گیری کمک می کند و بعنوان موتور پیش بینی مورد استفاده قرار می گیرند. با این وجود در روندهای مالی، اغلب شرایطی بوجود می آید که قوانین را به هم می ریزد و پیش بینی را توسط روشهای مذکور دشوار می سازد.