مرضیه سادات ابوالقاسم حسینی - دانشجوی کارشناسی ارشد،گروه مدیریت صنعتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
عباس طلوعی اشلقی - استاد،گروه مدیریت صنعتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
علیرضا پورابراهیمی - استادیار،گروه مدیریت صنعتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

شاخص قیمت سهام کاربرد وسیعى هم از دید سرمایه گذاران براى سرمایه گذارى در سهام خاص و هم به عنوان یک شاخصاقتصادى از دید اقتصاد کلان جامعه دارد با توجه به اهمیت انتظارات در زمینه های مختلف اقتصادی، هدف اصلی اینتحقیق، بررسی رفتار پروژه شاخص قیمت سهام خودرو است. بنابراین، پس از بررسی نظریه های اقتصادی مهم و مرتبط باتحقیق، یک روش جدید به نام شبکه عصبی مصنوعی GMDH، برای پیش بینی تاثیر متغیر اقتصاد کلان بر شاخص قیمت سهام خودرو معرفی می کنیم. الگوریتم GMDH یک مدل غیر خطی برای پیش بینی روابط سیستماتیک پیچیدهبین متغیرهای مدل است. ویژگی اصلی این الگوریتم قیاسی، تشخیص و غربالگری موثرترین متغیر برای برآورد مدل بانمونه های آموزشی و حذف متغیرهای غیر ضروری از فرآیند شبیه سازی می باشد. بنابر این، می توان مدل را با استفاده ازروش های تکرار های متناوب حل کرده تا خطاهای استاندارد معمول مانند MAPE, RMSE و غیره به حداقل برسد. نتایج به دست آمده حاکی از دقت بسیار بالا و قابلیت فوق العاده الگوریتم GMDH در پیش بینی شاخص قیمت سهام خودرو است، به طوری که خطای حاصل از پیش بینی شاخص قیمت سهام خودرو برای داده های سالانه 0/51 درصد و ماهانه 0/48 درصد است. همچنین نتایج نشان می دهد که در بهترین مدل غیرخطی پیش بینی شاخص قیمت سهام بااستفاده از مدل شبکه عصبی GMDH متغیرهای نرخ ارز، تولید ناخالص داخلی، نرخ تورم و نرخ بهره همگی جزء متغیرهای موثر بوده و هیچکدام از مدل حذف نشده اند.

شاخص قیمت سهام، خودرو، متغیرهای کلان اقتصادی، شبکه عصبی