فهرست مطالبعنوانصفحهفهرست مطالب.. ششچکيده.. دهفصل اول: مقدمه.. 1فصل دوم:.. 62-1 مقدمه.. 62-2 بررسي اولين پژوهشهای انجام شده.. 62-3 استفاده از روشهاي شبکه عصبي و تحليلهاي سري زماني.. 72-4 بررسي بازار کارآمد. .82-5 فاکتورهاي موثر در پيش بيني.. 92-6 ادغام روشهاي شبکههاي عصبي و فازي.. 92-7 روش ماشين بردار پشتيبان.. 102-8 تاثير انتشار اطلاعات بورس بر روند پيش بيني.. 102-9 ايجاد سيستم خودکار.. 112-10 بررسي جديدترين روشها.. .112-11 بررسي روشهاي داده کاوي در پيش بيني.. 142-12بررسي روش ماکف.. 142-13 بررسي روش ARIMA.. 152-14 نتيجه گیری.. 17فصل سوم:.. 173-1مقدمه.. 193-2 اصطلاحات رايج در بازار بورس.. 193-2-1سهام.. 193-2-2 بورس.. 203-2-3 حجم مبنا.. 203-2-4 درصد تحقق سود.. 203-2-5 پيش بيني سود.. 213-2-6 شاخص.. 213-2-7 نماد.. 213-2-8 دامنه نوسان213-2-9 بررسي فاکتورهاي کيفي و کمي.. 223-3انواع روشهاي پيش بيني. 223-3-1تحليل تکنيکي.. 233-3-2تحليل پايه.. 243-3- 3روشهاي جايگزين.. 28شش3-4 فرضيه بازار کارآمد.. 37 3-5 ماشين بردار پشتيباني373-6 نتيجهگیری.. 38فصل چهارم:.. 394-1 مقدمه. 394-2 انواع ديدگاه در ادبيات مالي.. 404-2-1 روش بنيادي. .404-2-2روش تکنيکي. 404-3 الگوريتم TRAINLM. .444-4 آموزش دسته اي کاهش شيب. 464-5آموزش دسته اي Momentum464-6 تعيين تعداد لايه و تعداد نورون در هر لايه.. 464-7 تحليل نتايج.. 474-8 الگوي سر و سرشانه.. 534-9 نحوه آماده سازي داده به کمکRandomWalk 564-10 تعيين تعداد لايه و تعداد نورون در هر لايه.. 574-11نتيجهگیری. 62فصل پنجم:.. 63.5-1 مقدمه.. 635-2 کارهاي انجام شده در پايان نامه.. 635-2-1 پژوهشي.. 635-2-2 اصلاحات.. 635-2-3 نرم افزار. 645-2-4 پايگاه داده.. 645-3 دوره زماني پيش بيني.. 645-4 انواع پيش بيني.. 645-5 نوع پنجره انتخابي. 646-5 تعداد لايه هاي پنهان و تعداد نورونها. 655-7نتيجهگیری. 67فصل ششم:. 686-1 نتيجه گيري.. 686-2 پيشنهادات. 69مراجع. 70 هفت فهرست جدولها صفحه جدول2-1تحليل سريهاي زماني.. 14جدول2-2بررسي تکنيکهاي پيش بيني.. 14جدول4-1 انواع داده هاي بنيادي و تکنيکي.. 37جدول4-2 پنجره انتخابي.. 39جدول4-3 انواع لايه بندي و تعداد نورون.. 42جدول4-4 مقايسه وضعيت داده ها پس از آموزش، ارزيابي و آزمون.. 49جدول4-5 نمونه اي از داده هاي آموزش شبکه هاي عصبي.. 51جدول4-6 انواع لايه بندي و تعداد نورون براي داده ها به کمک الگوي سر و سرشانه53جدول4-7 نمونه اي از داده هاي آموزش شبکه عصبي.. 53.جدول5-1 مقايسه داده هاي واقعي و تخمين زده شده بر مبناي الگوي سر و سرشانه61جدول5-2 مقايسه داده هاي واقعي و تخمين زده شده بر مبناي الگوي سر و سرشانه. فهرست صفحه شکل2-1چگونگي استخراج دانش.. Error! Bookmark not defined.شکل2-2نمايش عملکرد KBminer. Error! Bookmark not defined.شکل3-1 نمايش تحليل سريهاي زماني.. 31شکل3-2انواع تکنيکهاي پيش بيني.. 32شکل3-3طرح کلي پرسپترون با لايه هاي ورودي، مياني و خروجي.. Error! Bookmark not defined.شکل4-1مراحل انجام کار براي پيش بيني به کمک شبکه عصبي .. Error! Bookmark not defined.شکل4-2 نمونه اي از مشخصات انتخابي براي آموزش، ارزيابي و آزمون.. Error! Bookmark not defined.شکل4-3 عملکرد تابع TANSIG.. Error! Bookmark not defined.شکل4-4 وضعيت شبکه عصبي انتخابي براي آموزش، ارزيابي و آزمون .. Error! Bookmark not defined.شکل4-5 نمونه اي از وضعيت کلي داده هاي بنيادي.. Error! Bookmark not defined.شکل4-6 عملکرد داده هاي بنيادي.. Error! Bookmark not defined.شکل4-7 عملکرد داده هاي تکنيکي... Error! Bookmark not defined.شکل4-8 عملکرد داده هاي ترکيبي.. Error! Bookmark not defined.شکل4-9 رگرسيون داده هاي بنيادي.. Error! Bookmark not defined.شکل4-10 رگرسيون داده هاي تکنيکي.. Error! Bookmark not defined.شکل4-11 رگرسيون داده هاي ترکيبي.. Error! Bookmark not defined.شکل4-12 الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-13 الگوي سر و سرشانه نزولي.. Error! Bookmark not defined.شکل4-14 الگوي سر و سرشانه نزولي.. Error! Bookmark not defined.شکل4-15 الگوي مقداردهي به داده ها.. Error! Bookmark not defined.شکل4-16 ميانگين مربعات خطاي داده ها با استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-17 ميانگين مربعات خطاي داده ها بدون استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-18 رگرسيون داده ها با استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-19 رگرسيون داده ها بدون استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل5-1 ميانگين مربعات خطاي دا ده هاي پنجره سه تاشش.. Error! Bookmark not defined. چکيده در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، از مهمترين روشها براي بهبود در وضعيت مالي ميتوان به افزايش درآمد اشاره کرد. يکي از آسانترين راهها، سرمايهگذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آوردند. يکي از جذابترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. اين مساله موجب شد که به بررسي الگوريتم و روشهاي هوش مصنوعي در مديريت بورس پرداخته شود. در اين تحقيق روشهاي مختلف مورد بررسي قرار گرفته و دلايل موفقيت و شکست اين روشها بررسي شده است. بر مبنای مطالعات انجام شده شاید بتوان گفت بهترين و پرکاربردترين روش شبکههاي عصبي است. اگر اين روش با روشهاي آماري ترکيب شود امکان دستيابي به نتايج بهتری فراهم خواهد شد و اگر اين زمينه ميسر شود موجب بهبود در وضع اقتصادي شرکتها و در نتيجه بهبود در وضع اقتصاد کشور خواهد شد.در اين پروژه سعي شده است به کمک شبکه عصبي پرسپترون به پيشبيني بازار سهام پرداخته شود. پس از بررسيهاي انجام شده آشکار شد بر روي دادههاي بنيادي بورس اوراق بهادار کمتر کار شده است. بنابراين به بررسي و مقايسه دادههاي بنيادي، تکنيکي و ترکيب بنيادي و تکنيکي پرداخته شده است. سپس نشان داده شده است که دادههاي ترکيبي براي پيشبيني مناسبتر هستند. با هدف بهبود پيشبيني، به دادههاي مورد استفاده در بازار سهام الگوي سر و سرشانه افزوده شده است. با بررسي و مقايسه صورت گرفته بين دادههاي معمولي بدون الگوي سر و سرشانه و دادههای با استفاده از اين الگو به کمک جعبه ابزار شبکهعصبي MATLAB نشان داده شده است که اين الگوموجب بهبود پيشبيني خواهد شد.فصل اولمقدمه در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، که از مهمترين روشها براي بهبود در وضعيت مالي ميتوان به افزايش درآمد اشاره کرد. يکي از آسانترين راهها، سرمايهگذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آوردهاند. يکي از جذابترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. سهام در بازار بورس يک خريد يا فروش پر ريسک است که در آن یا سود بسياري است يا شخص را متحمل ضرر ميکند.از سال 1409 ميلادي ميدانهاي مبادله کالا، پول و ساير وسايل پرداخت در فنلاند بوجود آمد [1]. صرافان همه روزه در ميدان توبوئرس در مقابل خانهي بازرگان معروف واندر بورس براي دادوستد پول جمع ميشدند. به همين مناسبت اين گروهها اختصارا نام بورس را گرفتند. اولين بورس واقعي در سال 1460 در بلژيک راه اندازي شد. بورس اوراق بهادار تهران در سال 1346 تاسيس گرديد، اين سازمان از پانزدهم بهمن ماه آن سال فعاليت خود را با انجام چند معامله بر روي سهام بانك توسعه صنعتي و معدني آغاز كرد. در نهايت داد و ستد الكترونيك سهام در ايران در تاريخ 24/9/82 توسط بانك توسعه صادرات به اجرا درآمد تا فاصله بين مردم و تكنولوژي روز را كمتر نمايد. از سال 1997 افراد بسياري به دنبال بهدست آوردن راهي براي پيشرفت در زمينه بورس بودند. مهمترين مساله براي بازرگانان و خريداران سهام يافتن راهي براي پيشبيني بازار سهام بود. آنها نميدانستند که چه زماني بايد سهام خود را نگه دارند و چه زماني بفروشند. خريد سهام هم يکي ديگر از مسايل در اين زمينه بود. اگر بهطور دقيقتري به مساله نگاه شود، سقوط و ورشکستگي دربازار سهام مربوط به يک شخص نيست زيرا ميزان سود و ضرر کم است و اين مساله نميتواند اقتصاد کشور را دچار مشکل کند. در مورد بازرگانان و شرکتهاي مهم اقتصادي در کشور اين مساله بسيار حائز اهميت است زيرا، ورشکستگي آنها موجب بحرانها و مشکلات اقتصادي و رکود در بازار سهام بينالمللي خواهد شد. در حقيقت ميتوان گفت پيشبيني شاخصهاي سهام جزء ارکان اصلي است، اما بسيار دشوار است. فرار بودن دادهها، تغييرات زياد در بازار و نبود قانون مشخص که دادهها از آن پيروي کنند از دلايل دشواري کار است. در اين راستا به الگوريتمهاي هوش مصنوعي ميتوان اشاره کرد. زيرا براي يافتن راه حل بايد به دنبال کشف الگويي در سيستمهاي غيرخطي و بينظم بود. ابزار هوش مصنوعي براي پيشبيني در محيطهاي داراي دادههاي افزونه بسيار مفيد هستند.اگر به بازار سهام با ديد مديريتي نگاه شود ملاحظه ميشود که، انساناززمانيكهخودراشناختهتاكنونهمواره با مفهوم تصميمگيري درتعاملبودهاست. دراينبين، بعضيازدانشمندانعلممديريت،تاجاييپيشرفتهاندكهاعلام ميکنند يكمديرهيچكاريجزءتصميمگيريندارد. تصميمگيريرامیتوانيك مسئلهانتخابتعريفنمود. درچنينمسائلي،پيشبينيپارامترهايتصميمبسيار پيچيدهودربسياريازمواردناممكناست. يکیازتصميمگيريهاييکهمديرانمالي باآن درارتباطهستند،تصميماتمربوطبهسودنقديسهاموعملکردهايوابسته به آناست.براساساهميتتصميماتوابستهبهسودنقديسهامهمواره،دغدغههاي زياديبرايپيشبينياينعاملوجودداشتهو مدلهاييبرايآنارائهشده است، امامانندديگرمدلهايپيشبيني،سؤالياساسيدراينزمينه این استکهچه متغيرهاييبرسودنقديسهاماثرگذارندودرحقيقت،مدليکهبرايپيشبينيارائهميشود،بايدچهمتغيرهايمستقليرادربرگيردتابتواندمتغيروابستهسودنقدي سهام را پيشبيني نمايد.
پيش بيني الگوي بازار سهام با استفاده از شبکه-هاي عصبي مصنوعي چندلايه پرسپترون word
فهرست مطالبعنوانصفحهفهرست مطالب.. ششچکيده.. دهفصل اول: مقدمه.. 1فصل دوم:.. 62-1 مقدمه.. 62-2 بررسي اولين پژوهشهای انجام شده.. 62-3 استفاده از روشهاي شبکه عصبي و تحليلهاي سري زماني.. 72-4 بررسي بازار کارآمد. .82-5 فاکتورهاي موثر در پيش بيني.. 92-6 ادغام روشهاي شبکههاي عصبي و فازي.. 92-7 روش ماشين بردار پشتيبان.. 102-8 تاثير انتشار اطلاعات بورس بر روند پيش بيني.. 102-9 ايجاد سيستم خودکار.. 112-10 بررسي جديدترين روشها.. .112-11 بررسي روشهاي داده کاوي در پيش بيني.. 142-12بررسي روش ماکف.. 142-13 بررسي روش ARIMA.. 152-14 نتيجه گیری.. 17فصل سوم:.. 173-1مقدمه.. 193-2 اصطلاحات رايج در بازار بورس.. 193-2-1سهام.. 193-2-2 بورس.. 203-2-3 حجم مبنا.. 203-2-4 درصد تحقق سود.. 203-2-5 پيش بيني سود.. 213-2-6 شاخص.. 213-2-7 نماد.. 213-2-8 دامنه نوسان213-2-9 بررسي فاکتورهاي کيفي و کمي.. 223-3انواع روشهاي پيش بيني. 223-3-1تحليل تکنيکي.. 233-3-2تحليل پايه.. 243-3- 3روشهاي جايگزين.. 28شش3-4 فرضيه بازار کارآمد.. 37 3-5 ماشين بردار پشتيباني373-6 نتيجهگیری.. 38فصل چهارم:.. 394-1 مقدمه. 394-2 انواع ديدگاه در ادبيات مالي.. 404-2-1 روش بنيادي. .404-2-2روش تکنيکي. 404-3 الگوريتم TRAINLM. .444-4 آموزش دسته اي کاهش شيب. 464-5آموزش دسته اي Momentum464-6 تعيين تعداد لايه و تعداد نورون در هر لايه.. 464-7 تحليل نتايج.. 474-8 الگوي سر و سرشانه.. 534-9 نحوه آماده سازي داده به کمکRandomWalk 564-10 تعيين تعداد لايه و تعداد نورون در هر لايه.. 574-11نتيجهگیری. 62فصل پنجم:.. 63.5-1 مقدمه.. 635-2 کارهاي انجام شده در پايان نامه.. 635-2-1 پژوهشي.. 635-2-2 اصلاحات.. 635-2-3 نرم افزار. 645-2-4 پايگاه داده.. 645-3 دوره زماني پيش بيني.. 645-4 انواع پيش بيني.. 645-5 نوع پنجره انتخابي. 646-5 تعداد لايه هاي پنهان و تعداد نورونها. 655-7نتيجهگیری. 67فصل ششم:. 686-1 نتيجه گيري.. 686-2 پيشنهادات. 69مراجع. 70 هفت فهرست جدولها صفحه جدول2-1تحليل سريهاي زماني.. 14جدول2-2بررسي تکنيکهاي پيش بيني.. 14جدول4-1 انواع داده هاي بنيادي و تکنيکي.. 37جدول4-2 پنجره انتخابي.. 39جدول4-3 انواع لايه بندي و تعداد نورون.. 42جدول4-4 مقايسه وضعيت داده ها پس از آموزش، ارزيابي و آزمون.. 49جدول4-5 نمونه اي از داده هاي آموزش شبکه هاي عصبي.. 51جدول4-6 انواع لايه بندي و تعداد نورون براي داده ها به کمک الگوي سر و سرشانه53جدول4-7 نمونه اي از داده هاي آموزش شبکه عصبي.. 53.جدول5-1 مقايسه داده هاي واقعي و تخمين زده شده بر مبناي الگوي سر و سرشانه61جدول5-2 مقايسه داده هاي واقعي و تخمين زده شده بر مبناي الگوي سر و سرشانه. فهرست صفحه شکل2-1چگونگي استخراج دانش.. Error! Bookmark not defined.شکل2-2نمايش عملکرد KBminer. Error! Bookmark not defined.شکل3-1 نمايش تحليل سريهاي زماني.. 31شکل3-2انواع تکنيکهاي پيش بيني.. 32شکل3-3طرح کلي پرسپترون با لايه هاي ورودي، مياني و خروجي.. Error! Bookmark not defined.شکل4-1مراحل انجام کار براي پيش بيني به کمک شبکه عصبي .. Error! Bookmark not defined.شکل4-2 نمونه اي از مشخصات انتخابي براي آموزش، ارزيابي و آزمون.. Error! Bookmark not defined.شکل4-3 عملکرد تابع TANSIG.. Error! Bookmark not defined.شکل4-4 وضعيت شبکه عصبي انتخابي براي آموزش، ارزيابي و آزمون .. Error! Bookmark not defined.شکل4-5 نمونه اي از وضعيت کلي داده هاي بنيادي.. Error! Bookmark not defined.شکل4-6 عملکرد داده هاي بنيادي.. Error! Bookmark not defined.شکل4-7 عملکرد داده هاي تکنيکي... Error! Bookmark not defined.شکل4-8 عملکرد داده هاي ترکيبي.. Error! Bookmark not defined.شکل4-9 رگرسيون داده هاي بنيادي.. Error! Bookmark not defined.شکل4-10 رگرسيون داده هاي تکنيکي.. Error! Bookmark not defined.شکل4-11 رگرسيون داده هاي ترکيبي.. Error! Bookmark not defined.شکل4-12 الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-13 الگوي سر و سرشانه نزولي.. Error! Bookmark not defined.شکل4-14 الگوي سر و سرشانه نزولي.. Error! Bookmark not defined.شکل4-15 الگوي مقداردهي به داده ها.. Error! Bookmark not defined.شکل4-16 ميانگين مربعات خطاي داده ها با استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-17 ميانگين مربعات خطاي داده ها بدون استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-18 رگرسيون داده ها با استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل4-19 رگرسيون داده ها بدون استفاده از الگوي سر و سرشانه.. Error! Bookmark not defined.شکل5-1 ميانگين مربعات خطاي دا ده هاي پنجره سه تاشش.. Error! Bookmark not defined. چکيده در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، از مهمترين روشها براي بهبود در وضعيت مالي ميتوان به افزايش درآمد اشاره کرد. يکي از آسانترين راهها، سرمايهگذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آوردند. يکي از جذابترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. اين مساله موجب شد که به بررسي الگوريتم و روشهاي هوش مصنوعي در مديريت بورس پرداخته شود. در اين تحقيق روشهاي مختلف مورد بررسي قرار گرفته و دلايل موفقيت و شکست اين روشها بررسي شده است. بر مبنای مطالعات انجام شده شاید بتوان گفت بهترين و پرکاربردترين روش شبکههاي عصبي است. اگر اين روش با روشهاي آماري ترکيب شود امکان دستيابي به نتايج بهتری فراهم خواهد شد و اگر اين زمينه ميسر شود موجب بهبود در وضع اقتصادي شرکتها و در نتيجه بهبود در وضع اقتصاد کشور خواهد شد.در اين پروژه سعي شده است به کمک شبکه عصبي پرسپترون به پيشبيني بازار سهام پرداخته شود. پس از بررسيهاي انجام شده آشکار شد بر روي دادههاي بنيادي بورس اوراق بهادار کمتر کار شده است. بنابراين به بررسي و مقايسه دادههاي بنيادي، تکنيکي و ترکيب بنيادي و تکنيکي پرداخته شده است. سپس نشان داده شده است که دادههاي ترکيبي براي پيشبيني مناسبتر هستند. با هدف بهبود پيشبيني، به دادههاي مورد استفاده در بازار سهام الگوي سر و سرشانه افزوده شده است. با بررسي و مقايسه صورت گرفته بين دادههاي معمولي بدون الگوي سر و سرشانه و دادههای با استفاده از اين الگو به کمک جعبه ابزار شبکهعصبي MATLAB نشان داده شده است که اين الگوموجب بهبود پيشبيني خواهد شد.فصل اولمقدمه در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، که از مهمترين روشها براي بهبود در وضعيت مالي ميتوان به افزايش درآمد اشاره کرد. يکي از آسانترين راهها، سرمايهگذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آوردهاند. يکي از جذابترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. سهام در بازار بورس يک خريد يا فروش پر ريسک است که در آن یا سود بسياري است يا شخص را متحمل ضرر ميکند.از سال 1409 ميلادي ميدانهاي مبادله کالا، پول و ساير وسايل پرداخت در فنلاند بوجود آمد [1]. صرافان همه روزه در ميدان توبوئرس در مقابل خانهي بازرگان معروف واندر بورس براي دادوستد پول جمع ميشدند. به همين مناسبت اين گروهها اختصارا نام بورس را گرفتند. اولين بورس واقعي در سال 1460 در بلژيک راه اندازي شد. بورس اوراق بهادار تهران در سال 1346 تاسيس گرديد، اين سازمان از پانزدهم بهمن ماه آن سال فعاليت خود را با انجام چند معامله بر روي سهام بانك توسعه صنعتي و معدني آغاز كرد. در نهايت داد و ستد الكترونيك سهام در ايران در تاريخ 24/9/82 توسط بانك توسعه صادرات به اجرا درآمد تا فاصله بين مردم و تكنولوژي روز را كمتر نمايد. از سال 1997 افراد بسياري به دنبال بهدست آوردن راهي براي پيشرفت در زمينه بورس بودند. مهمترين مساله براي بازرگانان و خريداران سهام يافتن راهي براي پيشبيني بازار سهام بود. آنها نميدانستند که چه زماني بايد سهام خود را نگه دارند و چه زماني بفروشند. خريد سهام هم يکي ديگر از مسايل در اين زمينه بود. اگر بهطور دقيقتري به مساله نگاه شود، سقوط و ورشکستگي دربازار سهام مربوط به يک شخص نيست زيرا ميزان سود و ضرر کم است و اين مساله نميتواند اقتصاد کشور را دچار مشکل کند. در مورد بازرگانان و شرکتهاي مهم اقتصادي در کشور اين مساله بسيار حائز اهميت است زيرا، ورشکستگي آنها موجب بحرانها و مشکلات اقتصادي و رکود در بازار سهام بينالمللي خواهد شد. در حقيقت ميتوان گفت پيشبيني شاخصهاي سهام جزء ارکان اصلي است، اما بسيار دشوار است. فرار بودن دادهها، تغييرات زياد در بازار و نبود قانون مشخص که دادهها از آن پيروي کنند از دلايل دشواري کار است. در اين راستا به الگوريتمهاي هوش مصنوعي ميتوان اشاره کرد. زيرا براي يافتن راه حل بايد به دنبال کشف الگويي در سيستمهاي غيرخطي و بينظم بود. ابزار هوش مصنوعي براي پيشبيني در محيطهاي داراي دادههاي افزونه بسيار مفيد هستند.اگر به بازار سهام با ديد مديريتي نگاه شود ملاحظه ميشود که، انساناززمانيكهخودراشناختهتاكنونهمواره با مفهوم تصميمگيري درتعاملبودهاست. دراينبين، بعضيازدانشمندانعلممديريت،تاجاييپيشرفتهاندكهاعلام ميکنند يكمديرهيچكاريجزءتصميمگيريندارد. تصميمگيريرامیتوانيك مسئلهانتخابتعريفنمود. درچنينمسائلي،پيشبينيپارامترهايتصميمبسيار پيچيدهودربسياريازمواردناممكناست. يکیازتصميمگيريهاييکهمديرانمالي باآن درارتباطهستند،تصميماتمربوطبهسودنقديسهاموعملکردهايوابسته به آناست.براساساهميتتصميماتوابستهبهسودنقديسهامهمواره،دغدغههاي زياديبرايپيشبينياينعاملوجودداشتهو مدلهاييبرايآنارائهشده است، امامانندديگرمدلهايپيشبيني،سؤالياساسيدراينزمينه این استکهچه متغيرهاييبرسودنقديسهاماثرگذارندودرحقيقت،مدليکهبرايپيشبينيارائهميشود،بايدچهمتغيرهايمستقليرادربرگيردتابتواندمتغيروابستهسودنقدي سهام را پيشبيني نمايد.