بیتا دلنواز اصغری - کارمند دانشگاه آزاد اسلامی واحدتبریز و دانش آموخته کارشناسی ارشد مدیریت مالی
میر فیض فلاح شمس - استادیارگروه مدیریت مالی ، واحد تهران مرکزی، ،دانشگاه آزاد اسلامی،تهران،ایران

اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های ۳ARIMA هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموفق بوده اند. در تحقیق حاضر برای پیش بینی شاخص کل بورس از مدل شبکه های عصبی پیش خور۴ با قانون یادگیری پس انتشار خطا۵ در سه ساختار شبکه با الگوهای متفاوت ورودی استفاده گردید و  نتایج مدل با نتایج مدل های رگرسیون چند متغیره و مدل های ARIMA مورد مقایسه قرار گرفت. نتایج تحقیق نشان داد که روش شبکه های عصبی خطای RMSE به میزان قابل توجهی کمتر از RMSE روشهای دیگر است و در بازار بورس اوراق بهادارتهران پیش بینی کوتاه مدت با فاصله زمانی کمتر، مناسب تر از پیش بینی بلند مدت با فاصله زمانی طولانی تر است.                                                                                                                                                                                                                                                                                                                            ۳. autoregressive integrated moving average ۴. Feed Forward Neural network ۵. back propagation

شاخص سهام, پیش بینی, شبکه های عصبی, سری های زمانی