مهدی خرم - کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
مجید ششمانی - کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

پیش بینی دقیق تر قیمت سهام از دیرباز آرزوی سرمایه گذاران در بازارهای مالی بوده است و به این منظور روش هاو منطقه ای مختلفی همواره برای پیش بینی قیمت سهام شرکت ها مدنظر قرار گرفته است. یکی از پرطرفدارترینتحلیل هایی که برای پیش بینی سری های زمانی از آن استفاده می شود، تحلیل تکنیکال نام دارد که در آنتحلیلگران با بررسی الگوها و نماگرهایی به دنبال یافتن استراتژی مناسب و کسب سود میباشند. امروزه دامنهوسیعی از نماگرهای تکنیکال معرفی شدهاند که استفاده از همگی آنها امکان پذیر نمیباشد، لذا انتخابنماگرهای مناسب تر جهت پیش بینی به یک هنر بدل گشته است. یکی از مهمترین این نماگرها میانگین هایمتحرک ساده می باشند که با دوره ها زمانی مختلفی قابل تعریف می باشند. در این پژوهش می کوشیم با بررسیمیانگین متحرک ساده با دوره های زمانی 1 تا 200 روزه و با بهره گیری از الگوریتم انتخاب ویژگی موسوم بهفیلتر مبتنی بر همبستگی، مناسبترین میانگین متحرکها را پیدا کنیم. بدین منظور اطلاعات شرکت ها فعال درگروه محصولات شیمیایی در بورس اوراق بهادار تهران را در دوره زمانی سالهای 1388 تا 1394 ، مدنظر قراردادیم. نتیجه پژوهش حاکی از این است که 5 میانگین متحرک ساده 25 روزه، 48 روزه، 5 روزه، 50 روزه و 89روزه، برای پیش بینی قیمت سهام در بورس اوراق بهادار تهران مناسب تر می باشند. برای آزمون این مدعا، با استفاده ازاین 5 اندیکاتور انتخابی و با بهره گیری از شبکه عصبی مصنوعی پرسپترون چندلایه، به پیش بینی قیمت سهامپرداختیم و نتایج را با هنگامی که از تمامی نماگرهای میانگین متحرک ساده 1 تا 200 روزه اقدام به پیش بینینماییم، مقایسه نمودیم. نتیجه، برتری دقت پیش بینی در هنگام استفاده از 5 میانگین متحرک ساده انتخابی را تایید کرد.

تحلیل تکنیکال، میانگین متحرک ساده، فیلتر مبتنی بر همبستگی، شبکه عصبی مصنوعی