مقایسه عملکرد مدل پنج عاملی فاما و فرنچ و انواع رویکرد های شبکه عصبی و عصبی فازی در پیش بینی قیمت سهام

یکی از مهم ترین موضوعات مطرح بازارهای مالی پیش بینی قیمت و بازده سهام است. در این پژوهش سعی می شود بهترین مدل و رویکرد پیش بینی قیمت سهام با توجه به شاخص­های میانگین مربعات خطا (MSE)، مجذور میانگین مربعات خطاها (RMSE)، ضریب تعیین ( 14R2 > ) انحراف معیار (S.D)، میانگین قدر مطلق خطاها (MAE) و معیار میانگین قدر مطلق خطاها (MAPE) برای مدل پنج عاملی فاما و فرنچ انتخاب شود. بدین منظور پس از تشکیل پرتفوی با توجه به مدل پنج عاملی فاما و فرنچ در بازه زمانی 1388 تا 1395 قیمت سهام توسط مدل اقتصادسنجی، رویکردهای شبکه عصبی، شبکه عصبی بهینه سازی شده، شبکه عصبی فازی بهینه سازی شده شبکه عصبی پایه شعاعی، شبکه عصبی GMDH، شبکه عصبی SVR و شبکه­های عصبی فازی پیش بینی و دقت هر کدام از رویکردها برآورد شده است. نتایج پیش بینی بازدهی پرتفوی های تشکیل شده، نشان می دهد که دقت پیش بینی شبکه عصبی تابع پایه شعاعی (RBF) نسبت به دیگر مدل­های ARMA و شبکه های عصبی بسیار بالا است.