منابع مقالات علمی : 
پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی- قسمت  …
داده‌های شاخص کل و شاخص‌های مهم اقتصادی

با استفاده از مدل چندلایه پرسپترون شبکه عصبی توانست به‌خوبی قیمت سهام را پیش‌بینی کند.

منجی وهم کاران
۱۳۸۸

پیش‌بینی قیمت سهام به روش شبکه عصبی فازی و الگوریتم ژنتیک و مقایسه آن با شبکه عصبی

شبکه‌ی عصبی فازی
الگوریتم ژنتیک

داده‌های روزانه و هفتگی و سالیانه شرکت غدیر

پیش‌بینی قیمت سهام با استفاده از شبکه‌ی عصبی – فازی الگوریتم‌های ژنتیکی، خطای برآورد قیمت سهام کمتری را نسبت به تکنیک شبکه‌ی عصبی دارد.

آذر و افسر
۱۳۸۵

پیش‌بینی قیـمت سهـام چهار شرکت تولـیدی و خدماتی

شبکه عصبی مصنوعی
اریما

دادهای روزانه در بازه زمانی ده سال در چهار شرکت

مدل شبکه عصبی فازی برای پیش‌بینی اریما قیمت سهام طراحی‌شده و عملکرد این مدل به‌وسیله شش معیار با روش اریما مقایسه شده است. نتایج تحقیق حاکی از آن است که شبکه عصبی بر دو روش برتری دارد

برای دانلود متن کامل پایان نامه به سایت  jemo.ir  مراجعه نمایید.

خالوزاده
۱۳۸۳

پیشبینی قیمت سهام در بورس اوراق بهادار تهران و ارائه مدل بهینه

روش خطی
روش غیرخطی
شبکه عصبی مصنوعی

سری زمانی قیمت و بازده سهام شرکت‌های بورس اوراق بهادار تهران

روی پیش‌بینی سهام به روش شبکه عصبی تحقیقات کمتری ارائه‌شده و شبکه عصبی نتایج بهتری را به نسبت روش‌های معمول خطی داشته است

جدول ۲-۲ خلاصه نتاج تحقیقات گذشته خارجی
بامطالعه ادبیات موضوع دریافتیم که استفاده از روش‌های هوش مصنوعی برتری نسبتاً چشم‌گیری نسبت به روش‌های خطی و غیرخطی ازجمله اریما دارد. شبکه عصبی برای جامعه‌های آماری گوناگون و بازه زمانی متفاوت اندازه‌گیری شده است و نسبتاً دقت آن با استفاده از الگوریتم‌های مختلف بالاتر شده است هرچند حل مسئله پیش‌بینی قیمت سهام، مخصوصاً با محدودیت‌هایی که در جهان واقعی نیز در نظر گرفته می‌شوند، یک مسئله سخت به شمار می‌آید، اما پیشینه تحقیق نشان داد، الگوریتم‌های فرا ابتکاری همچون الگوریتم ژنتیک شبکه عصبی فازی روش کارآمدی برای حل مسائل بهینه‌سازی می‌باشند.
علیرغم مطالعات فراوانی که در رابطه با پیش‌بینی قیمت سهام در بورس اوراق بهادار صورت گرفته است، تاکنون تحقیقی در رابطه با متغیرهای ترکیبی، بنیادی و فنی انجام نگرفته است. (ایودل و همکاران،۲۰۱۲) در پژوهش پیش‌بینی قیمت سهام با استفاده از دادهای ترکیبی در بازار بورس نیجریه پرداخته است که این پژوهش به‌عنوان تحقیق بیس این پژوهش است، تحقیق آن‌ها به دنبال ارائه مدلی جدید که به‌طور همزمان این متغیرها را با شبکه پرسپترون چندلایه (مدل شبکه عصبی پیش‌خور)، تابع یادگیری و یا تابع سیگموئید سنجیده و مدل‌های مختلف شبکه عصبی را برای پیش‌بینی قیمت سهام اندازه‌گیری کرده‌اند و باقیمت واقعی مقایسه کرده‌اند تا به مدلی باشد رسیدند که باقیمت پیش‌بینی‌شده باقیمت واقعی مساوی است. آن مدل بازده بیشتری را برای سرمایه‌گذاران در پیش‌بینی قیمت سهام فراهم آورد.
۲-۲۵ خلاصه‌ی فصل
در اکثر مطالعات انجام‌شده برای پیش‌بینی قیمت، برتری شبکه عصبی نسبت به مدل‌های رگرسیونی نشان داده‌شده است. با توجه به توضیحات ارائه‌شده در این پژوهش تلاش می‌شود که قدرت پیش‌بینی شبکه عصبی با استفاده از شاخص‌های بازار به روش شبکه عصبی در شرکت‌های شیمیایی پرداخته شود در این فصل به بیان ادبیات موضوع و پیشینه تحقیق پرداخته شد. ابتدا تعاریفی از سهام و هوش مصنوعی و شبکه عصبی بیان شد، سپس به بیان برخی از تحقیقات انجام‌شده در رابطه با بررسی پیش‌بینی قیمت سهام به روش شبکه عصبی در داخل و خارج کشور بیان گردید.
فصل سوم