نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار گروه مدیریت صنعتی دانشگاه علامه طباطبایی
2 دانشجوی دکتری مدیریت مالی دانشگاه علامه طباطبایی
چکیده
این مقاله ضمن ارائه مدلی ترکیبی از شبکه های عصبی مصنوعی، به بررسی توان پیش بینی کنندگی آنها در مقایسه با مدل های منفرد می پردازد. در این بررسی، با استفاده از شبکه های عصبی ترکیبی متشکل از شبکه های پیش خور و خود سازمانده کوهونن اقدام به پیش بینی قیمت سهام شده است. نتایج آزمایشات محاسباتی در پیش بینی قیمت سهام شده است. نتایج آزمایشات محاسباتی در پیش بینی قیمت سهام در بازار بورس تهران نشان می دهد که ترکیب شبکه خود سازمانده کوهونن با شبکه پیش خور، در مقایسه با مدل منفرد شبکه پیش خور که پر کاربردترین مدل شبکه های عصبی مصنوعی در حوزه پیش بینی است عملکرد بهتری در پیش بینی قیمت سهام ارائه می کند.
کلیدواژه‌ها
عنوان مقاله [English]
Using Hybrid Artificial Neural Networks of Back Propagation and Kohonen Self Organizing Map (SOM) to Predict Stock Prices
نویسندگان [English]
- Payam Hanafizadeh 1
- Abolfazl Jafari 2
چکیده [English]
In this paper, a hybrid model of artificial neural networks is designed and used to evaluate the prediction ability of this hybrid model with individual Back Propagation feed forward. This study employs hybrid artificial neural networks consisting of Back Propagation and Kohonen Self Organizing Map (SOM) for better stock price prediction. Computational experience in predicting stock prices obtained from Tehran Stock Exchange reveals that the combination of Self Organizing Map and Back Propagation leads to better performance in comparison with the most popular individual Back Propagation feed forward networks.
JEL Classification: E37, C45, C51, C52, C53
کلیدواژه‌ها [English]
- Prediction
- Stock Price
- Self Organizing Map (SOM)
- feed forward Neural Networks
)