بررسی و مطالعه شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و فنی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبنی بر معرفت و خبرگی برخوردار هستند، استفاده می شود. در این پژوهش ضمن اشاره به کاربرد شبکه های عصبی مصنوعی در بازارهای مالی، به مقایسه مدل حافظه کوتاه مدت ماندگار و مدل تکرارشونده درگاهی از دسته مدل های داده کاوی و هوش مصنوعی پرداخته شده است. شایان ذکر است که در این مطالعه برای اولین بار در ایران عملکرد این ۲ شبکه عصبی مصنوعی با این ساختار در بازار سهام مقایسه شده است. یافته ها: یافته های این پژوهش حاکی از آن است که هر دو مدل مورد بررسی قدرت بالایی در جهت استخراج اطلاعات از داده های سری زمانی رادارند اما مدل حافظه کوتاه مدت ماندگار به دقت بالاتری در سهم مورد مطالعه و مدل تکرارشونده دست یافته اند.