محمدیاسر کربلایی میرزایی - دانشجوی دکتری، گروه مدیریت، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران.
سید مجتبی میرلوحی - استادیار، گروه مالی، دانشگاه صنعتی شاهرود، شاهرود، ایران.
مریم خادمی - دانشیار، گروه ریاضی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

بسیاری از پژوهش ها در علم مالی بر پیش بینی دقیق ها با در نظر داشتن ریسک سرمایه گذاری تمرکز داشته اند. بازار سهام نهاد جمع آوری پس اندازها و نقدینگی بخش خصوصی به منظور تامین مالی پروژه های سرمایه گذاری بلندمدت است. شاخص های این بازار تحت تاثیر عوامل متعددی قرار دارند که یکی از مهم ترین این عوامل متغیرهای اقتصادی می باشند. با توجه به نقش کلیدی متغیرهای کلان اقتصادی و تاثیر آن بر شاخص بورس اوراق باردار با توجه به رفتار غیرخطی شاخص کل بورس اوراق بهادار، عملا سرمایهگذاران، مدیران مالی و فعالان اقتصادی را در شرایط ریسک کلان قرار خواهد داد، لذا پیشبینی حرکت شاخص که یکی از بحث برانگیزترین موضوعات در امور مالی است، بسیار حائز اهمیت است. پژوهش حاضر به مقایسه مدل های شبکه عصبی و سری زمانی در تاثیر متغیرهای کلان بر شاخص بورس اوراق بهادار تهران می پردازد. بدین جهت مدل شبکه عصبی پروسپترونی چندلایه و رگرسیونی مدل VAR مورد بررسی قرارگرفته اند. شاخص بازار بورس تهران در بازه زمانی فروردین ۱۳۹۲ تا اسفند ۱۳۹۸ به عنوان جامعه آماری انتخاب شده است. به منظور داشتن معیاری برای مقایسه از چهار معیار : خطای ریشه میانگین مربع خطا، میانگین قدر مطلق درصد خطا، میانگین قدر مطلق خطا و ضریب تعیین استفاده شده است. بررسی کارایی شبکه طراحی شده عصبی و رگرسیون معیارهای خطای پیش بینی نشان داد که مدل شبکه عصبی ازلحاظ معیار خطا نسبت به مدل سری VAR برتری دارد.

شاخص بورس, شبکه عصبی مصنوعی, متغیرهای کلان اقتصادی, رگرسیون, بورس اوراق بهادار تهران