چکیده

در این مقاله به بررسی و شناخت متغیرهای موثر بر قیمت سهام شرکت بارز و الگوسازی و در نتیجه پیش بینی قیمت سهام این شرکت در بورس اوراق بهادار تهران به کمک نرم افزار شبکه عصبی GMDH می پردازیم. چهار متغیر اقتصادی مربوط به بازار لاستیک خودرو که داده های آنها به صورت ماهانه جمع آوری شده است عبارتند از: تاثیر نرخ ارز، نرخ تورم، قیمت جهانی نفت خام و قیمت سال های گذشته قیمت سهام شرکت می باشد. نتایج بدست آمده نشانگر نرخ صعودی قیمت سهام این شرکت می باشد که به ترتیب نرخ تورم و نرخ ارز تاثیرگذارترین عامل های این تحقیق بوده اند.

واژگان کلیدی: شبکه عصبی GMDH، متغیر های اقتصادی، نرخ ارز، نرخ تورم.

۱

Brez industry group predicts the stock price by ANN, (GMDH)

Abstract This article will examine and identify the variables affecting the stock price of Barez company and therefore modeling to predict the stock price of the company in the Tehran Stock exchange ‘s by using GMDH neural network software. Four economic variables related to market tires that their data is collected on a monthly basis as follows: The effect of exchange rates, inflation rates, global crude oil prices and prices of the past few years the company’s stock price. The results indicate that the rate is rising share prices, the inflation

rate and the exchange rate have been the most influential factor in this study.

Keywords: neural network GMDH, economic variables, exchange rates, inflation.

مقدمه

سهام تجاری تحت تاثیر بسیار به هم پیوسته ی فاکتورهای سیاسی، اجتماعی، اقتصادی و ویژگی های روانشناسی است و این فاکتورها، متقابلاٌ از یک یا چند رفتار بسیار پیچیده اثر می پذیردبنابراین. معمولاٌ پیش بینی تغییر موقعیت سهام بازار خیلی دشوار است. در این تحقیق الگوهای مختلف پیش بینی قیمت سهام با توجه به شبکه عصبی GHDM در نظر گرفته شده است و بر اساس این الگو مهمترین عوامل موثر بر قیمت سهام مشخص گردیده.

هدف از اجرای این تحقیق:

شناخت مهمترین متغیرهای موثر بر قیمت سهام + پیش بینی قیمت سهام شرکت بارز به وسیله شبکه عصبی هوشمند GMDH بوده است.

هدف از این مقاله:

پیش بینی قیمت سهام شرکت بارز با استفاده از شبکه عصبی GMDH مبتنی بر الگوریتم ژنتیک می باشد.

ادبیات نظری:

بررسی مبانی نظری که همان متغیرهای اساسی تعیین کننده شاخص قیمت است. بررسی رابطه بین متغیر های اقتصادی با شاخص قیمت با توجه به نظریه پر تقوی و دیدگاه مکاتب اقتصادی.

الف- پایه پولی، نقدینگی، قیمت جهانی نفت خام، شاخص بهای مصرف کننده، میزان ارزش واردات و میزان ارزش صادرات (غیرنفتی)، … .

ب- قیمت زمین، مسکن، نرخ ارز، قیمت طلا، … .

همچنین به بررسی دیدگاه مکاتب مختلف در مورد اثر گذاری تغییر در حجم پول بر متغیرهای حقیقی اقتصادی و همچنین قیمت کالاها و دارائی ها می پردازیم. اما این اتفاق نظر وجود دارد که” تغییر در حجم پول در بلند مدت باعث تغییر قیمت کالاها، دارائی ها و سهام می شود”.

تحولات نفتی نیز می تواند یکی از عوامل مهم بر بخش های مختلف اقتصادی باشد:

سود آوری مستقیم برخی شرکتها برابر است با تغیرات قیمت نفت، افزایش قیمت نفت، رونق فعالیت اقتصادی(تولید کننده فرآورده های نفتی) بخش های تولیدی کالاهای تجارت برابر است با تغییرات قیمت نفت، افزایش ضرر و ورود کالاهای وارداتی جایگزین و کاهش قدرت رقابتی آن ها که به بیماری هلندی مشهور می باشد.

تغییرات نرخ ارز می تواند از دو نظر بر شاخص قیمت سهام تاثیر بگذارد:

۱٫ درآمد شرکت های وارد و صادر کننده کالا و خدمات از تغییرات نرخ ارز

۲٫ تاثیر گذاری قیمت و نرخ ارز و تاثیر آن بر خرید و فروش سهام

پیشینه :

۱٫ بررسی تاثیر تغییر نرخ تورم، ارز، نفت تاثیر مثبت و معنادار نرخ تورم و نرخ ارز و نرخ نفت بر شاخص سهام.

۲٫ تحلیل های هم انباشتگی به رابطه بلند مدت بین شاخص بورس و ارز>= به صورت یک طرفه تاثیر نرخ ارز بر قیمت سهام.

۲

۳٫ مدل((ARDL و دریافت رابطه متغیرهای سکه طلا، مسکن، ارز به عنوان دارائی های رقیب و حجم چول، شاخص تولیدات صنعتی، قیمت نفت و نسبت قیمت های داخل به خارج به عنوان متغیرهای مهم کلان اقتصادی بر شاخص قیمت بورس و رابطه مثبت بین شاخص قیمت در بورس با مسکن، نفت، سکه، قیمت داخل به خارج و رابطه ای منفی بین شاخص بورس با نرخ ارز وحجم پول.

آشنایی با شبکه عصبی از نوع GMDH

شبکه عصبی GMDH یک نرم افزار هوشمند برای پبیش بینی متغیرهایی می باشد که کاربر مایل است آن را پیش بینی نماید. یکی از خصوصیات این نرم افزار ، هوشمند بودن در زمینه های مختلفی است که میتوان به از آنها اشاره کرد، این نرم افزار توانایی شناخت متغیرهای نامربوط، در جدول دادهای وارد شده را دارد. دیگر خصوصیت این نرم افزار توانایی پیش بینی موضوع مورد نظر در چند سال آتی می باشد که می توان با مشخص کردن میزان زمان مورد نظر این پیش بینی را انجام داد. در اینجا مختصری از مراحل کار با این نرم افزار را برای شما بیان می کنم:

۱٫ ابتدا می بایست جدولی از داده ها و عاملی را که نیاز به پیش بینی آن می باشد تهیه کنیم.(با استفاده از نرم افزار .( EXCEL

۲٫ سپس برنامه را اجرا کرده و در منوی WIZARD بر روی قسمت EXAMPLE PROJECT کلیک کرده روی عبارتی که نوشته

شده است REGRESSION- CRUVE FITTING کلیک کرده و به مرحله ی بعدی میرویم.

۳٫ در این مرحله بروی دکمه ی IMPORT که در بالا آمده کلیک کرده و مکان فایل اکسل تهیه شده از قبل را مشخص و فایل را انتخاب می کنیم.

۴٫ در این مرحله دکمه OK را جهت رفتن به گام بعدی میزنیم.

۵٫ جدولی از داده های اماده شده ما در زیر نرم افزار پدیدار شده و برای ورود این داده ها نوع فعالیت را مشخص می کنیم. در ادامه می بایست داده ی مورد پیش بینی را انتخاب و داده هایی را که نرم افزار باید آنها را برای پیش بینی مورد استفاده قرارد دهد مشخص میکنیم.

۶٫ در این مرحله دکمه START را زده و ۴ نوع نمودار برای ما ظاهر میشود، که بر حسب نیاز میتوانیم از انها بهره بگیریم.

۷٫ اما برای مشخص کردن زمان پیش بینی برای سال های آتی بروی گزینه configuration کلیک کرده سپس نوار preprocess پایین کشیده و بروی time series modelingکلیک کرده و مجدداً وارد نمودار شده.

۸٫ برای انتخاب تعداد سال مورد نظر بروی نوار بالای نمودار به نام time series modeling کلیک کرده و در مقابل عبارت forecast horizon تعداد سال را تایپ کرده و منتظر پاسخ نرم افزار می مانیم.

در تهیه جدول داده ها نباید جای دادهای خالی بماند.