کلمات کلیدی : پیش بینی؛ شبکه عصبی؛ داده کاوی؛ سری زمانی؛ تحلیل تکنیکی؛ رگرسیون چند متغیره فهرست مطالبفصل اول : کلیات تحقیق. 11-1- مقدمه. 21-2- نظریه کارایی بازار سرمایه. 31-3- ابعاد مختلف بازار سرمایه و ابزارهای پیش بینی. 51-4- پژوهش‌های مشابه. 91-5- ضرورت انجام تحقیق و اهمیت تحقیق. 131-6- اهداف تحقیق. 141-7- ساختار تحقیق. 14فصل دوم : ادبیات تحقیق. 152-1- مقدمه. 162-1-1- تحلیل تکنیکی. 172-1-2- تحلیل بنیادین. 182-1-3- تحلیل توسط مدل‌های علمی. 192-2- آیا بازار سرمایه پیش بینی پذیر است؟. 222-2-1- نظریه کارایی بازار سرمایه. 222-2-2- فروض نظریه کارایی بازار. 282-2-3- انتقادات وارد شده به نظریه کارایی بازار سرمایه. 292-2-4- پاسخ نظریه کارا. 302-2-5- نتیجه گیری. 312-3- داده کاوی. 322-3-1- مقدمه. 322-3-2- مفهومدادهکاوي. 332-3-4- اهداف داده کاوی. 362-3-5- دادهکاويورابطهآنباعلمآمار. 412-4- شبکه عصبی. 432-4-1- معرفی:. 432-4-2- کاربرد شبکه های عصبی. 442-4-3- تعریف پایه شبکه های عصبی. 442-4-4- ویژگی های شبکه عصبی. 462-5- تحلیل تکنیکال. 592-5-1- مقدمه:. 592-5-2- اندیکاتورهای تحلیل تکنیکال. 602-6- مرور پژوهش های مشابه. 632-6-1- کاربرد شبکه عصبی در پیش بینی قیمت سهام. 632-6-2- کاربرد شبکه عصبی در تعیین استراتژی مبادله سهام. 702-6-3- کاربرد داده کاوی در بازار سهام. 752-6-4- کاربرد شبکه عصبی و داده کاوی در پیش بینی قیمت سهام 77فصل سوم : روش تحقیق. 813-1- مقدمه. 823-2- جمع آوری داده ها. 853-3- پیش پردازش داده ها. 853-3-1- کاهش سطری داده ها. 863-3-2- ساخت اطلاعات مورد نیاز. 883-3-3- انتخاب داده ها و کاهش ستونی. 933-4- طراحی شبکه عصبی برای پیش بینی قیمت سهم. 953-4-1- ساختار شبکه. 953-4-2- الگوریتم یادگیری. 973-4-3- توابع فعال سازی. 983-5- مدل های رقیب و معیارهای سنجش. 983-6- جمع بندی. 98فصل چهارم : نتایج عددی. 994-1- مقدمه. 1004-2- جمع آوری داده ها و تشکیل پایگاه داده. 1004-3- پیش پردازش داده ها. 1014-3-1- کاهش سطری داده ها. 1014-3-2- ساخت اطلاعات مورد نیاز. 1034-3-3- انتخاب داده ها و کاهش ستونی پایگاه داده. 1094-4- طراحی شبکه عصبی. 1154-5- اجرای شبکه عصبی و مقایسه نتایج. 1164-6- جمع بندی. 121فصل پنجم : نتیجه گیری. 1225-1- مقدمه. 1235-2- جمع بندی تحقیق. 1235-3- نتایج و نوآوری های تحقیق. 1245-4- پیشنهادات برای تحقیقات آتی. 125 فهرست جدول هاجدول 2-1 : توابع فعالسازی نرون های مختلف در شبکه های عصبی 49جدول 4-2 : شرح اندیکاتورهای معروف تحلیل تکنیکال.. 61جدول 4-2 : شرح اندیکاتورهای معروف تحلیل تکنیکال : ادامه جدول 62جدول 3-1 : صنایع و شرکت های انتخاب شده جهت انجام پژوهش.. 85جدول 3-2 : اندیکاتورهای به کار رفته در پژوهش.. 89جدول 4-1 : تغییرات تعداد رکوردهای پایگاه های ساخته شدن پس از حذف داده های مغشوش.. 102جدول 4-2 : تغییرات تعداد رکوردهای پایگاه های ساخته شده، پس از حذف داده های پرت.. 103جدول 4-3 : سری های زمانی ساخته شده توسط اندیکاتورهای تحلیل تکنیکال 104جدول 4-4 : بهترین lag شرکت های حاضر در صنعت بانک و مؤسسات مالی با بانک پارسیان.. 105جدول 4-5 : بهترین lag شرکت های حاضر در صنعت شیمیایی با صنایع شیمیایی فارس.. 106جدول 4-5 : بهترین lag شرکت های حاضر در صنعت شیمیایی با صنایع شیمیایی فارس : ادامه جدول.. 107جدول 4-6 : بهترین lag شرکت های حاضر در صنعت فلزات اساسی با فولاد مبارکه اصفهان.. 107جدول 4-6 : بهترین lag شرکت های حاضر در صنعت فلزات اساسی با فولاد مبارکه اصفهان : ادامه جدول.. 108جدول 4-7 : تغییرات تعداد رکوردهای پایگاه های ساخته شده، پس از حذف داده های مغشوش اندیکاتورها.. 109جدول 4-8 : اندیکاتورهای انتخاب شده توسط روش رگرسیون پله ای برای ورود به شبکه عصبی.. 110جدول 4-9 : دسته بندی اندیکاتورهای مشابه.. 111جدول 4-10 : اندیکاتورهای انتخاب شده از دسته ها برای ورود به شبکه عصبی.. 111جدول 4-11 : داده های تخصیص داده شده به شبکه عصبی در هر پایگاه 116جدول 4-12 : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام بانک پارسیان.. 120جدول 4-13 : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام صنایع شیمیای فارس.. 120جدول 4-14 : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام فولاد مبارکه اصفهان.. 121 فهرست شکل هاشکل 1-1 : دسته بندی کلی تحلیل های کاربردی در بازار سرمایه 21شكل2-2 : ساختار شبكه عصبي پيش رو (غير بازگشتي) باسه لايه ،لايه ورودي ، لايه مياني و لايه خروجي. 45شكل2-3 : ساختار شبكه عصبي برگشتي با سه لايه ، لايه هاي دوم و سوم برگشتي مي باشند.. 45شکل 2-4 : مدل یک نرون خطی و غیرخطی(خطی یا غیر خطی بودن به نوع تابع فعال ساز بستگی دارد). 47شکل2-5 : نحوه عملکرد بایاس در خروجی ترکیب کننده خطی. 48شکل 2-6: توابع فعالسازی(الف) حدآستانه، (ب) خطی تکه‌ای، (ج) سیگموئید تک قطبی، (د)گوسین، (ه) خطی (و) سیگموئید دوقطبی. 50شکل 2-7 : شبکه پیشرو با یک لایه فعال (خروجی). 51شکل 2-8 : شبکه عصبی پیشرو با یک لایه مخفی و یک لایه خروجی. 52شکل 2-9 : شبکه عصبی بازگشتی بدون حلقه خودپسخور و نرونهای میانی 53شکل 2-10 : شبکه بازگشتی با نرونهای مخفیبا حجم حافظه بالاتر 54شکل 2-11 : یک شبکه عصبی با سه نرون و دولایه فعال. 56شکل 3-1 : شمای کلی مراحل انجام تحقیق. 84شکل 3-1 : شباهت سری های سفید و سیاه با در نظر گرفتن lag.. 92شکل 4-1 : قیمت های بسته شدن سهام بانک پارسیان و بانک کارآفرین 113شکل 4-2 : قیمت های بسته شدن سهام پتروشیمی خارک و صنایع شیمیایی فارس. 114شکل 4-3 : قیمت های بسته شدن سهام فولاد مبارکه اصفهان و فولاد خوزستان 115شکل 4-4 : شبکه عصبی ساخته شده توسط نرم افزار متلب. 116شکل 4-5 : قیمت های پایین پیش بینی شده و واقعی برای سهام بانک پارسیان. 117شکل 4-6 : قیمت های بالای پیشش بینی شده و واقعی برای سهام بانک پارسیان. 117شکل 4-7 : قیمت های پایین پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس. 118شکل 4-8 : قیمت های بالای پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس. 118شکل 4-9 : قیمت های پایین پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان. 119شکل 4-10 : قیمت های بالای پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان. 119 فصل اول 1-1- مقدمهعدم قطعیت در بازار سرمایه به معنای تفاوت مقادیر مورد انتظار و مقادیری است که در واقعیت اتفاق می‌افتند. طراحی روش‌های تحلیل و پیش‌بینی مختلف در بازار سرمایه نیز به دلیل بالا بودن این مقدار و نیاز به دانستن قیمت‌ها در آینده با قطعیت بیشتر یا عدم قطعیت کمتر بوده است. برای کسب سود در بازار سرمایه، سرمایه‌گذاران همواره به دنبال پیدا کردن سهم مناسب جهت سرمایه‌گذاری و قیمت مناسب برای خرید و فروش بوده‌اند و لذا تمام مدل‌های پیش بینی مطرح شده همواره به دنبال پاسخ دادن به سه سؤال اساسی بوده‌اند؛ چه سهمی، در چه محدوده زمانی و در چه قیمتی خریداری شود و یا به فروش برسد. قبل از بررسی پاسخ‌های داده شده به این سؤالات، باید به سؤال جدی‌تری پاسخ داد.از جمله اینکه آیا پیش بینی بازارهای مالی ممکن است؟!همچنین، در ادامه باید به این موضوع پرداخته شود که در صورت پیش بینی پذیر بودن بازار سرمایه، باید به بررسی ابعاد مختلف بازار سرمایه و متدهایی که در هر زمینه برای پیش بینی ارائه شده است، پرداخت. در ادامه باید بررسی کرد که چه متدهایی کارایی لازم برای این پیش‌بینی را دارند و آیا ترکیب این متدها به صورت کلی ممکن است یا خیر. در ادامه خواهیم دید که می‌توان ابزار به کار گرفته شده در پیش بینی تمام ابعاد بازار سرمایه را در سه دسته کلی متدهای تکنیکال، متدهای بنیادین و متدهای ریاضی، شامل متدهای کلاسیک سری زمانی و رگرسیون و متدهای هوش مصنوعی قرار داد.در این پژوهش، با بررسی تمام موارد بالا و امکان سنجی تلفیق متدهای به کارگرفته شده جهت پیش بینی قیمت، به سؤالات مطرح شده پاسخ داده خواهد شد و برای اولین بار، به پیش بینی دو قیمت برای دوره‌های جلوتر پرداخته می شود؛ قیمت بالا و قیمت پایین سهام. به این وسیله، سفته بازان[1] می‌توانند با به کارگیری این متد، با دقت قابل قبولی به پیش‌بینی قیمت پرداخته و از طریق نوسان گیری، کسب سود کنند. 1-2- نظریه کارایی بازار سرمایهقبل از (فاما[2] 1970)، همه فقط به دنبال پاسخ دادن به سؤالات سه گانه ذکر شده در بازار سرمایه بوده اند. با مطرح شدن نظریه کارایی بازار سرمایه فاما، سؤال بزرگ دیگری نیز پیش روی سرمایه‌گذاران و تحلیل‌گران قرار گرفت؛ آیا اصلا تحلیل و پیش بینی آینده بازار سهام ممکن است؟! فاما با طرح نظریه کارایی بازار سرمایه، بازار را متشکل از سرمایه گذارانی فرض کرد که همگی به اطلاعات یکسانی از گذشته و حال دسترسی دارند. اطلاعات سیاسی، اقتصادی، نهانی و ... . در واقع برای باور کردن نظریه فاما حتی لازم نیست همه سرمایه گذاران به اطلاعات یکسانی دسترسی داشته باشند، تنها لازم است تعداد زیادی از سرمایه گذاران به این اطلاعات به صورت یکسان و مساوی دسترسی داشته باشند. زمانی که اطلاعات در دسترس مساوی باشند، ابزارهای تحلیل و پیش بینی نیز یکسان باشند؛ هیچ سرمایه گذاری نمی‌تواند سود غیر عادی کسب کند. برای مثال، اگر اولین نفری که اطلاعات نهانی دارد، قصد خرید یک سهم را بکند؛ در مدت زمانی که در پی انجام این امر است، فروشندگان از این اطلاعات مطلع شده و سهم خود را گران‌تر از قبل می‌فروشند. لذا فرصت کسب سود غیر عادی وجود ندارد. تعریف دقیق و کامل بازار کارای سرمایه نیز عبارت است از: بازاری که سرعت انتقال اطلاعات در آن بسیار زیاد باشد. لذا فاما سه نوع از کارایی را تعریف می‌کند، بازار کارای ضعیف که سرعت انتقال اطلاعات در آن کم است ولی همچنان امکان کسب سود غیرعادی با استفاده از اطلاعات گذشته ممکن نیست. بازار کارای متوسط که سرعت نقل اطلاعات در آن زیاد است و امکان کسب سود غیر عادی با استفاده از اطلاعات حال ممکن نیست. بازار کارای قوی که سرعت انتقال اطلاعات در آن بسیار زیاد بوده و حتی دارندگان اطلاعات نهانی نیز فرصت کسب سود غیر عادی ندارند. در نهایت فاما نتیجه می‌گیرد که نوسان قیمت در بازار تصادفی بوده و امکان پیش‌بینی آن موجود نیست.پس از مطرح شدن نظریه کارایی بازار سرمایه، سرمایه گذاران بازار سرمایه به دو دسته تقسیم شدند. دسته‌ای که به کارایی بازار اعتقاد داشتند، به سرمایه گذاری های بلند مدت روی آوردند، دلیل این امر این بود که این دسته امکان کسب سود از طریق پیش بینی بازار را منتفی دانسته و لذا فرصتی برای کسب سود غیر عادی از طریق خرید و فروش کوتاه مدت وجود ندارد. دسته دیگر سرمایه گذاران به این نظریه اعتقاد ندارند و به آن انتقادهایی دارند. این دسته به پیش بینی بازار سرمایه اعتقاد داشته و لذا از مدل‌های مختلفی برای این پیش‌بینی‌ها استفاده کرده‌اند. این دسته، علاوه بر سرمایه گذاری‌های بلند مدت، به سرمایه گذاری‌های کوتاه مدت و میان مدت نیز پرداخته و از طریق خرید و فروش‌های پیوسته، تلاش در کسب سود غیر عادی می‌کنند.