کاربرد روش تکنیکال برای پیش بینی قیمت سهام: رویکرد مدل های احتمال غیرخطی و شبکه های عصبی مصنوعی

پیش بینی حرکت قیمت سهام ازجمله مسائلی است که همواره تحلیل گران و سرمایه گذاران با آن مواجه هستند و آنان از ابزارهای مختلفی ازجمله تحلیل های بنیادی و تکنیکال برای انتخاب سهام خوب و همچنین پیش بینی روند قیمتی در روزهای آینده استفاده می کنند. آنچه تحلیل گران به آن توجه دارند، توانایی تحلیل تکنیکال در پیش بینی های کوتاه مدت می باشد. بدین منظور، در این مقاله، مدل هایی با استفاده از ابزارهای شبکه عصبی، لاجیت، پروبیت و مقدار حدی به منظور پیش بینی جهت حرکت قیمت سهم در روز بعد ارائه شده است. برای پیاده سازی و مقایسه مدل های ارائه شده، برخی از شاخص های تکنیکال روزانه سهام شرکت ایران خودرو در بورس اوراق بهادار تهران که ازجمله سهام های مورد اقبال سرمایه گذاران می باشد، بررسی شده است. بازه زمانی موردبررسی سال های 1392 تا 1397 بوده است. نتایج این پژوهش نشان می دهد که در آزمون نا پارامتری برابری نسبت ها، ازلحاظ آماری مدل های ارائه شده تفاوت معناداری باهم نداشته اند، اما معیارهای سنجش خطا بیان می کند که مدل پروبیت، خطای کمتری در پیش بینی سهام در بازار بورس تهران دارد.