قیمت ارائه گردید. با مقایسه نتایج حاصل از پیش بینی شاخص قیمت مشخص گردید که الگوریتم استخراج قانون از شبکه عصبی نسبت به مدل ترکیبی تبدیل موجک-شبکه عصبی-ARIMA، شبکه عصبی و مدل ARIMA از قدرت پیش بینی بالاتری برخوردار است و همچنین استفاده از مدل تبدیل موجک- شبکه عصبی بجای شبکه عصبی در الگوریتم استخراج قانون طراحی شده قدرت پیش بینی الگوریتم را بالا برده بطوریکه نتایج بیانگر برتری این روش نسبت به بقیه روشها در پیش بینی شاخص قیمت سهام میباشد.
واژههای کلیدی:
شاخص قیمت، تبدیل موجک، الگوریتم ژنتیک، سیستم ژنتیک فازی
فهرست مطالب
عنوان صفحه
فصل اول: مقدمه و کلیات طرح تحقیق
1-1- مقدمه 2
1-2- بیان مسئله 3
1-3- ضرورت و اهمیت موضوع 5
1-4- اهداف تحقیق 5
1-5- سوالات و فرضیه های تحقیق 6
1-6- روش انجام تحقیق 7
1-6-1- مدل ARIMA 8
1-6- 2- شبکه های عصبی مصنوعی 9
1 -6-2-1- شبکهی عصبی درک چند لایه 10
1-6-3- الگوریتم ژنتیک 12
1-6-3-1- استخراج قانون از شبکهی عصبی با بهره گرفتن از الگوریتم ژنتیک 13
1-6-4- روش ترکیبی تبدیل موجک- شبکه عصبی و ARIMA 15
1-6-4-1- تبدیل فوریه 15
1-6-4-2- تبدیل موجک 16
1-7- ابعاد کلی تحقیق 18
1-7-1- روش تحقیق 18
1-7-2- جامعه و نمونه آماری تحقیق 19
1-7-3- جنبهی نوآوری تحقیق 19
1-8- ساختار کلی تحقیق 20
1-9- خلاصه فصل 21
فصل دوم: مروری بر مبانی نظری و ادبیات تحقیق
2-1- مقدمه 23
2-2- مبانی نظری پژوهش 24
2-2-1- تئوری سرمایهگذاری در بازار بورس 24
2-2-2- قابلیت پیش بینی و فرضیه بازار کارا 25
2-2-3- شکل ضعیف نظریه بازار کارا 26
2-2-4- شکل نیمه قوی نظریه بازار کارا 27
2-2-5- شکل قوی نظریه بازار کارا 28
2-2-6- مطالعات صورت گرفته بر روی کارایی بازار 30
2-2-7- مطالعات تجربی سطح ضعیف کارایی در بورس اوراق بهادار تهران 31
2-2-8- روشهای پیش بینی 32
2-2-8-1- تحلیل فنی 32
2-2-8-2- تحلیل بنیادی 33
2-2-8-3- پیش بینیهای سری زمانی کلاسیک 34
2-2-8-4- روشهای هوشمند 35
2-2-8-5- جمع بندی روش های هوشمند 36
2-2-9- شاخص قیمت سهام 38
2-2-10- تعریف شاخص 39
2-2-11- فواید شاخص 40
2-2-12- شاخص قیمت بورس تهران 40
2-2-13- ویژگیهای TEPIX. 42
2-2-14- شاخصهای فرعی در بورس اوراق بهادار تهران 43
2-2-14-1- شاخص صنایع 43
2-2-14-2- شاخص شرکت 44
2-2-14-3- شاخص 50 شرکت با بیشترین ارزش 44
2-3- پیشینه تحقیق 44
2-3-1- مطالعات داخلی 45
2-3-2- مطالعات خارجی 50
2-4- نتیجهگیری و خلاصه فصل 57
فصل سوم: روش تحقیق
3-1- مقدمه 60
3-2- روش تحقیق 60
3-3- جامعه آماری و متغیرهای تحقیق 61
3-3-1- جامعه آماری 61
3-3-2- متغیرهای تحقیق 61
3-4- سوالات و فرضیه های تحقیق 62
3-5- آماده سازی دادههای ورودی 63
3-6- معرفی مدلهای تحقیق 64
3-6-1- مدل سری زمانی خطی ARIMA 65
3-6-2- شبکه پرسپترون چند لایه (MLP). 65
3-6-3-الگوریتم ژنتیک 71
3-6-4- استخراج قانون از شبکه عصبی 75
3-6-5-تبدیل موجک 78
3-6-5-1-موجک مادر 79
3-7- معیارهای ارزیابی عملکرد 83
3-8-خلاصه فصل 84
فصل چهارم: تجزیه و تحلیل داده ها
4-1- مقدمه 86
4-2- آزمون فرضیه اول 86
4-3- آزمون فرضیه دوم 88
4-4- آزمون فرضیه سوم 90
4-5- آزمون فرضیه چهارم 94
4-6- آزمون فرضیه پنجم 96
4-7- خلاصه فصل 99
فصل پنجم: نتایج و پیشنهادات
5-1- مقدمه 101
5-2-مقایسه عملکرد مدلهای پیش بینی 101
5-3- نتایج آزمون فرضیات 103
5-4- نتیجه گیری 104
5-5- محدودیتهای تحقیق 106
5-6- پیشنهادات تحقیق 107
5-6-1- پیشنهادات برای سرمایه گذاران و متولیان بازار 107
5-6-2- پیشنهادات برای تحقیقات آتی 108
منابع و ماخذ 109
: مقدمه
رفع نا آگاهی از آینده از اصلی ترین دغدغه های خاطر انسان در طول تاریخ بوده است . آدمی همیشه به دنبال آن بوده که از آینده خود آگاه شده و آن را به نحوی که خود می خواهد سازمان دهد. در ابتدا چون توان پیش بینی صحیح و قابل اطمینان فراهم نبود، انسان متوسل به نیروهای فراطبیعی شد و آنگاه که توانایی عقلایی بیشتری پیدا کرد، درصدد استفاده از این توانایی برآمد و چون علم امکاناتی برای پیش بینی های او فراهم آورد، از این دستاورد بهره جست.(قدیری مقدم، 1388)
امروزه با رشد و توسعهی اقتصاد جهانی و رقابتی شدن آن، تصمیم گیری درخصوص تخصیص بهینه منابع به مراتب بیش از پیش اهمیت پیدا کرده است. از این رو بازار بورس و اوراق بهادار به عنوان آینهی تمام نمای وضعیت اقتصادی کشورها و مکانی برای اینکه سرمایه گذاران بتوانند منابع و پس انداز خود را در آن سرمایه گذاری کنند، بیشترین توجه را به خود جلب کرده است.
تصمیمات مربوط به آینده، همواره با ابهام و عدم اطمینان روبروست و کسانی در رقابت پیروز می شوند که بتوانند آینده را پیش بینی و حداقل اطلاعاتی در خصوص آن داشته باشند و بر اساس آن اقدام به تصمیم گیری نمایند. با گسترش علم، امکان پیش بینی مطلوب آینده فراهم شده است. یکی از راه های کمک به سرمایه گذاران، ارائه الگوهای پیش بینی وضعیت بازار است. هرچه پیش بینی به واقعیت نزدیک تر باشد، مبنای تصمیمات صحیح تری قرار خواهد گرفت.
پیش بینی آینده در عرصه پویای اقتصاد و بازار سرمایه یکی از مهمترین مسائل مورد بحث درعلوم مالی بوده است. معمولاً به منظور پیش بینی وقایعی که در آینده اتفاق می افتد به اطلاعات به دست آمده از رویدادهای تاریخی اتکا می شود .به این ترتیب که داده های گذشته تجزیه و تحلیل می گردد تا از آن الگویی قابل تعمیم به آینده حاصل گردد، دراغلب روش های پیش بینی فرض بر این است که روابط بین متغیرها در آینده نیز ادامه خواهد داشت.(فلاح شمس، 1388)
بازار های مالی، به عنوان بخش مهم اقتصاد هر کشور ، بدلیل رابطه تنگاتنگ آن با ساختار اقتصادی، بسیار مورد توجه قرارگرفته اند. بورس اوراق بهادار نیز به عنوان یکی از مهمترین عناصر بازار سرمایه و توسعه اقتصادی هر کشور شناخته شده است. چرا که این بازار به عنوان پیش نیازی برای بسیاری از تحولات بازرگانی و اقتصادی مورد توجه است. تامین مالی پروژه های مالی – سرمایه ای بلند مدت از محل پس اندازها و نقدینگی بخش خصوصی در مطلوبترین شکل ممکن از طریق بورس اوراق بهادار تحقق می یابد.
1-2: بیان مساله
سرمایه گذاران حق دارند نسبت به آیندهی سرمایه گذاری خود نگران و حساس باشند، به این ترتیب به دنبال این هستند تا اطلاعاتی در مورد آینده بدست آورند. پیش بینی به سرمایه گذاران و تخصیص دهندگان منابع در تصمیم گیری صحیح کمک می کند و ریسک سرمایه گذاری را تا حد امکان کاهش می دهد. بیور می گوید”:پیش بینی ها را می توان بدون اخذ تصمیم انجام داد ولی کوچکترین تصیم گیری را نمی توان بدون پیش بینی انجام داد”.
روشن است که خصوصیت عدم اطمینان، امر نامطلوبی است و از طرفی برای سرمایه گذارانی که بازار بورس را به عنوان مکان سرمایه گذاری انتخاب نموده اند، این خصوصیت اجتناب ناپذیر است. بنابراین بطور طبیعی تمام تلاش های سرمایه گذار کاهش عدم اطمینان است و از این جهت پیش بینی بازار بورس یکی از ابزارهای کاهش عدم اطمینان می باشد.
یکی از مفروضات مهمی که در بازارهای مالی وجود دارد، فرضیه بازار کارا است. بر اساس این فرضیه قیمت اوراق بهادار به ارزش ذاتی آنها نزدیک است، یعنی قیمت تعیین شده دربازار شاخص مناسبی از ارزش واقعی اوراق بهادار است.(جهانخانی،1376) از جمله مواردی که فرضیه بازار کارا را ضعیفتر می کند، قابلیت پیش بینی در این بازارها است. (نمازی،1386) آنچه سرمایه گذاران اعم از حقیقی و حقوقی را برای سرمایهگذاری در سهام شرکتها نگران می کند، نوسانات شدید قیمت های سهام میباشد.
پیش بینی قیمت سهام یکی از مهمترین و جذاب ترین فعالیت ها برای مدیران داخلی و سرمایه گذاران خارجی شرکت می باشد. در خارج از شرکت، سرمایه گذاران از این پیش بینی به عنوان اساس و مبنای انتخاب سبد سرمایه گذاری(پرتفولیو[1]) بهینه و سودآور استفاده می کنند؛ از طرف دیگر در داخل شرکت، هدف مدیران که حداکثر سازی ثروت سهامدارن بوده از این پیش بینی در اتخاذ تصمیمات مهم و بحرانی از جمله بودجه بندی عملیاتی، سرمایه ای و تخصیص بهینه منابع به منظور دستیابی به اهداف سازمان استفاده می کنند. بنابراین روشن است که دقت پیش بینی قیمت سهام بسیار مهم و حیاتی است؛ زیرا مبنای تصمیم گیری های داخلی و خارجی قرار می گیرد. از این رو انتخاب روش پیش بینی یکی از مهم ترین تصمیمات پیش بینی کنندگان است.
بیشتر مطالعاتی که در گذشته در مورد پیش بینی قیمت انجام شده، از مدل سازی خطی و غیر خطی برای پیش بینی استفاده کرده و به مقایسه و بررسی دقت این روش ها پرداختند. در این تحقیق قصد داریم با بهره گرفتن از ترکیب مدل های غیرخطی(تبدیل موجک[2]، شبکه های عصبی[3] و الگوریتم ژنتیک[4]) و مدلهای خطی به مدل سازی پیش بینی قیمت سهام بپردازیم.
1-3: ضرورت و اهمیت تحقیق
سرمایه گذاری و انباشت سرمایه در تحول اقتصادی کشور نقش بسزایی داشته است. اهمیت این عامل و نقش موثر آن را می توان به وضوح در سیستم کشورهایی با نظام سرمایه داری مشاهده کرد. بدون شک بورس یکی از مناسب ترین جایگاهها جهت جذب سرمایه های کوچک و استفاده از آنها جهت رشد یک شرکت، در سطح کلان و نیز رشد شخصی فرد سرمایه گذار است. از آنجایی که هدف و تعریف سرمایهگذاری، به تعویق انداختن مصرف جهت مصرف بیشتر در آینده است، افراد با سرمایه گذاری انتظار دستیابی به سود مورد انتظار خود را دارند. بنابراین مهمترین امر در این زمینه، خرید یک سهم به قیمت پایین و فروش آن به قیمت بالاتر است که این موضوع به معنی پیش بینی قیمت سهام است.
از دوران گشایش بازارهای اوراق بهادار همواره این فکر وجود داشته است که به کمک روشی، قیمت سهام را پیش بینی کنند و در این راه سخت افزارها و نرم افزارها، تحلیل های متفاوت مالی و مانند اینها ابداع شده و مورد استفاده قرار گرفت.(حق پرست،1386)
1-4: اهداف تحقیق
هدف اصلی تحقیق، ارائه مدلی برای پیش بینی قیمت سهام با بکارگیری شبکه عصبی درک چندلایه[5] و تکنیک استخراج قانون از شبکه های عصبی با بهره گرفتن از الگوریتم ژنتیک[6] و ترکیب مدلهای مزبور با مدل خطی [7]ARIMA در شرکت های عضو بورس و اوراق بهادار تهران است. علاوه بر هدف اصلی تحقیق، اهداف فرعی دیگری نیز مورد نظر هستند که در سطح پایین تری از هدف اصلی قرار می گیرند. این اهداف عبارتند از:
-کمک به سرمایه گذاران جهت اتخاذ تصمیم های صحیح و مطلوب
-کمک به مدیران برای انجام وظیفهی حداکثر سازی ثروت سهامدارن
-تعیین مدل بهینه از میان مدل های فوق برای پیش بینی قیمت سهام
1-5: سؤالات و فرضیه های تحقیق
پس از بررسی مسئله و اهداف تحقیق و مطالعات مقدماتی درباره پاسخ های احتمالی، سؤالات تحقیق به شرح زیر قابل طرح است:
آیا سری زمانی خطی ARIMA مدل مناسبی برای پیش بینی قیمت سهام است؟
آیا شبکه عصبی درک چند لایه(MLP) در پیش بینی قیمت سهام بر مدل خطی ARIMA برتری دارد؟
آیا تکنیک استخراج قانون(ExtractionRule ) از شبکه های عصبی با بهره گرفتن از الگوریتم ژنتیک نتیجه قابل قبولی برای پیش بینی قیمت سهام بدست می دهد؟
آیا تکنیک استخراج قانون(ExtractionRule ) از شبکه های عصبی با بهره گرفتن از الگوریتم ژنتیک در پیش بینی قیمت سهام بر شبکه عصبی درک چند لایه(MLP) برتری دارد؟
آیا ترکیب مدل ARIMA با شبکه عصبی برای پیش بینی قیمت سهام با بهره گرفتن از تبدیل موجک نتیجه قابل قبولی برای پیش بینی قیمت سهام بدست می دهد؟
آیا مدل ترکیبی تبدیل موجک، شبکه عصبی و الگوریتم ژنتیک فازی در پیش بینی شاخص قیمت نسبت به بقیه مدلهای ارائه شده از دقت بالاتری برخوردار است؟
بنابراین فرضیات اصلی تحقیق به صورت زیر خواهد بود:
فرضیه1) مدل خطی ARIMA مدل مناسبی برای پیش بینی قیمت سهام بدست می دهد.
فرضیه2) شبکه عصبی درک چند لایه(MLP) در پیش بینی قیمت سهام از مدل خطی ARIMA عملکرد بهتری را نشان می دهد.
فرضیه3) تکنیک استخراج قانون(ExtractionRule ) از شبکه های عصبی با بهره گرفتن از الگوریتم ژنتیک نتیجه قابل قبولی برای پیش بینی قیمت سهام بدست می دهد.
فرضیه4) مدل ترکیبی ARIMA، شبکه عصبی درک چند لایه و تبدیل موجک نتیجه قابل قبولی برای پیش بینی قیمت سهام بدست می دهد.
فرضیه5) مدل ترکیبی تبدیل موجک، شبکه عصبی درک چند لایه و الگوریتم ژنتیک فازی در مقایسه با سایر مدلها ارائه شده از دقت بالاتری برخوردار است.
1-6: روش انجام تحقیق
هدف اصلی تحقیق حاضر، پیش بینی قیمت سهام با بهره گرفتن از مدل سری زمانی خطی ARIMA و شبکه عصبی و همچنین ترکیب شبکهی عصبی درک چندلایه یا تکنیک استخراج قانون از شبکه های عصبی با بهره گرفتن از الگوریتم ژنتیک و استفاده از تبدیل موجک برای ترکیب مدل خطی ARIMA و شبکه عصبی و همچنین استخراج قانون از مدل ترکیبی تبدیل موجک عصبی و تعیین مدل بهینه با مقایسه نتایج حاصل از روشهای پیش بینی مورد استفاده است. تبدیل موجک، شبکه های
