تحلیل آشوب، تجزیه موجک و شبکه عصبی در پیش بینی شاخص بورس تهران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکه عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دوره زمانی ۵ فروردین ۱۳۸۸ تا ۱۸ اردیبهشت ۱۳۹۱ استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دوره بررسی شده، پیش بینی پذیر بوده و آثار غیرخطی معیّن و آشوبی داشته است. همچنین برطبق معکوس آماره حداکثر نمای لیاپانوف، تعداد روز های پیش بینی پذیر در این مطالعه، ۳۱ روز به دست آمد. یافته دیگر این پژوهش نیز به برتری عملکرد مدل های شبکه عصبی چندلایه پیش خور ( MFNN ) و شبکه عصبی فازی ( ANFIS ) مبتنی بر داده های تجزیه شده به کمک تجزیه موجک در مقابل به کارگیری سطح داده ها دلالت دارد. دراین بین نیز برتری با مدل شبکه عصبی چندلایه پیش خور بوده است.