مطالعات مدیریت صنعتی

مدل ترکیبی شبکه های عصبی مصنوعی پیش خور و خود سازمانده کوهونن برای پیش بینی قیمت سهام

نوع مقاله : مقاله پژوهشی

نویسندگان

پیام حنفی زاده 1
ابوالفضل جعفری 2

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

پیش بینی
قیمت سهام
شبکه های عصبی خود سازمانده
شبکه های عصبی پیش خور

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

ٌصفحه اصلی

اعضای هیات تحریریه

ارسال مقاله

تماس با ما