بخشی از مقاله
چکیده
این مقاله با هدف بررسی مدل های شبکه عصبی مصنوعی با رویکرد خاص به مدل GMDH تأکیدی بر استفاده از این مدل در پیش بینی های غیر خطی و قدرت مدل GMDH است که به عنوان یک ابزار مدیریتی قوی به مدیران، اقتصاددانان، سهام داران و سرمایه گذاران در تصمیم سازی یاری می رساند. به علت نوسانات شدید موجود در داده های قیمت سهام شرکت ایران خودرو، روش خاصی برای انتخاب مجموعه تست و آموزش به کار گرفته شده و در نتیجه، قدرت برازش مدل شبکه به مراتب بهبود یافته است. همچنین تاثیر دو متغیر بنیادی و فنی؛ نرخ ارزو قیمت فولاد قیمت سهم و حجم مبادلات سهام مورد بررسی قرار گرفته است نتایج به دست آمده نشان داده که پیش بینی به وسیله شبکه عصبی بسیار خوب عمل کرده و به علت نوسانات شدید موجود در داده های قیمت سهام شرکت ایران خودرو استفاده از روش شبکه عصبی می تواند به پیش بینی بهتر این موضوع کمک شایانی نماید.
مقدمه
یکی از معیارهای اساسی در تصمیم گیری در بورس،بازده سهام می باشد.بازده سهام به تنهایی دارای محتوای اطلاعاتی است و بیشتر سرمایه گذاران در تجزیه و تحلیل مالی و پیش بینی ها از آن استفاده می کنند. دستیابی به رشد اقتصادی و ایجاد انگیزه برای سرمایه گذاری زمانی در یک کشور تسریع می گردد که آن کشور دارای بازده سرمایه فعال و قابل اعتماد باشد. وجود بازارهای بورس فعال همواره سرمایه گذاران متعددی را به تکاپو وا میدارد و جریان سرمایه و منابع مالی را به بخشهای مولد تسریع می نماید. تحقیقات نشان میدهد اگر بتوان فرایند مولد دادههای یک متغیر - خطی یا غیرخطی - را به دست آورد پیشبینی آن متغیر راحتتر و با خطای کمتری امکانپذیر خواهد بود - مشیری و فروتن، . - 1383 اگرچه مدلهای خطی پیشرفته پیشبینیهای مناسبی در دورههای زمانی میانمدت و کوتاهمدت دارند، اما بررسیها در بازار سرمایه نشان داده است که رفتار سهام از یک الگوی خطی تبعیت نمیکند و الگوهای خطی تنها بخشی از رفتار سهام در بازار را نشان میدهد - مشیری و مروت، . - 1385 در این صورت وجود یک سیستم پویای غیرخطی در ارتباط با رفتار بازار مدلهای موجود را عملاً دچار ابهام خواهد کرد. لذا پیشبینی دادههایی که از این سیستم پیروی میکنند، نیازمند ابزارهای هوشمند و پیشرفتهای مانند شبکههای عصبی است. این شبکهها به عنوان یکی از سیستمهای هوشمند، میتواند رابطه غیرخطی بین ورودیها و خروجیها را براساس مجموعه دادهها، تشخیص و روابط بنیادین بین آنها را شناسایی نماید - البرزی و همکاران، . - 1388 بنابراین، در این پژوهش ضمن ارائه مختصری در باب مدلهای شبکه عصبی، با استفاده از دادههای سریزمانی روزانه بازده بورس اوراق بهادار تهران طی 1388 الی 1392، به بررسی مدلهای شبکه عصبی مبتنی بر الگوریتم ژنتیک - GMDH - پرداخته خواهد شد.
شبکه عصبی
شبکه های عصبی یکی از پویا ترین حوزه های تحقیق در دوران معاصر است که افراد متعددی از رشته های گوناگون علمی را به خود جلب کرده است . زیست شناسان، شبکه های عصبی بیو لوژیکی را طی سالیان متمادی مطالعه کرده اند، که مغز انسان، نمونه ای از این شبکه هاست . دست یابی به روش کار مغز، تلاش بی وقفه ای بوده است که بیش از 2000 سال پیش توسط ارسطو و هراکلیتوس آغاز شد و با تحقیقات دانشمندان دیگری چون رامنی کاجال، کلگی وهب ادامه داشته است .نرون عنصر اصلی مغز است و به تنهائی مانند یک واحد پردازش منطقی عمل می کند . مغز به عنوان یک سیستم پردازش اطلاعاتی با ساختار موازی 100 تریلیون نرون های به هم مذتبط با تعداد کل 1016 ارتباط تشکیل شده است . نرون ها ساده ترین واحد ساختاری سیستم های عصبی هستند . بافت هایی که عصب نامیده می شوند اجتماعی از نرون ها می باشند . این نرون ها، اطلاعات و یا پیا م ها را از یک قسمت بدن به قسمت دیگر منتقل می کنند . پیام ها ی عصبی تنها به صورت یک طرفه حرکت می کنند . از دندریت ها به بدنه سلول و سپس به آکسون می روند. طی چند سال اخیر، تلاش های بسیار جدی برای مدل کردن یک نرون طبیعی صورت گرفته و پیشرفت قابل ملاحظه ای در این راستا حاصل شده است. برای مدل سازی یک شبکه عصبی مصنوعی، می توان یک مدل ریاضی که خصوصیات یک سیستم بیولوژیکی را توصیف کند، استفاده کرد. مدل سازی شبکه های عصبی به شکل مدل های سازمان یافته لایه ای، و با توجه به پردازش موازی یک تصویر در مغز انسان، انجام می گیرد. یک شبکه عصبی مصنوعی از تعداد زیادی گره و پاره خط های جهت داز که گره ها را به هم ارتباط می دهند تشکیل شده است . گره هایی که در لایه ورودی هستند گره های حسی و گره های لایه خروجی، گره های پاسخ دهند نامیده می شوند. بین نرون های ورودی و خروجی نیز نرون های پنهان قرار دارند. اطلاعات از طریق گره های ورودی به شبکه وارد می شود، سپس از طریق اتصالات به لایه هاتی پنهان متصل شده، درنهایت خروجی شبکه از گره های لایه خروجی به دست می آیند. این مراحل مشابه شبکه عصبی بیولوژیکی انسان است. شبکه های عصبی مصنوعی یا به اختصار شبکه های عصبی ابزار های قدرتمندی هستند که از دانش کنونی ما راجع به شبکه های عصبی جانداران نشأت می گیرند .در شبکه های عصبی هدف آن است که با استفاده از تعداد زیادی عناصر محاسباتی ساده که با حجم زیادی از اتصالات به یکدیگر مربوط شده اند کارایی و عملکرد مورد نظر بدست آید . شبکه های عصبی که از نوع پردازشگر های موازی می باشند قابلیت های فراوانی در پردازش و طبقه بندی اطلاعات دارند . در تمام این کاربردها آنچه مورد نیاز است ظرفیت بسیار بالای محاسباتی است که جز از طریق پردازش موازی بدست نخواهد آمد. بر خلاف اکثر کامپیوترهای متداول که در آنها مجموعه ای از دستورات به طور متوالی صادر می شود
