به‌منظور انجام این تحقیق، داده‌های روزانه مربوط به شاخص کل بازار اوراق بهادار تهران و همچنین قیمت پایانی و حجم معاملات شرکت‌های حاضر در تحقیق برای ۷۲ ماه منتهی به اخراسفند‌ماه ۱۳۹۳ انتخاب‌شده است.
 
ابزار اندازه‌گیری و محاسبه‌ی متغیرها
پس از جمع‌آوری داده‌هایی که برای انجام تحقیق موردنیاز هستند، انتخاب ابزاری مناسب به‌منظور محاسبه و تجزیه‌وتحلیل اطلاعات مربوط به متغیرها، اهمیت خاصی دارد. در این تحقیق ابتدا داده‌های وارد نرم‌افزار اکسل می‌شوند. سپس، فایل‌های اولیه اکسل در نرم‌افزار متلب مدل را تهیه کردیم جایگذاری میشوند و آزمایش و آموزش لازم را با توجه به مدل به دادهها می دهیم.
 
مراحل انجام تحقیق
در این تحقیق، پس از مرور ادبیات موضوع و ذکر اهمیت مسئله‌ی تحقیق، به شناسایی متغیرهای مهم برای پیش‌بینی قیمت سهام پرداختیم. پس‌ازآن به جمعآوری دادگان متغیرهای تحقیق برای شرکتهای حاضر در نمونه آماری پرداختیم. سپس چهار سؤال برای پیشبینی قیمت سهام توسط شبکههای عصبی مصنوعی طراحی نمودیم. به‌منظور مدل‌سازی پیشبینی قیمت سهام، دادههای مربوط به بازۀ زمانی ۱/۱/۱۳۸۷ تا ۲۹/۱۲/۱۳۹۳ را آمادهسازی و نرمال‌سازی نموده و آن‌ها را به سه بخش دادههای آموزشی، دادههای اعتبارسنجی و دادههای آزمایشی تقسیمبندی نمودیم. شبکهها را با استفاده از دادههای آموزشی و اعتبارسنجی آموزش دادیم و با استفاده از چندین معیار، عملکرد هرکدام از مدلها را روی‌داده‌های بخش آزمایشی سنجیدیم. با مقایسه عملکرد هر یک از این مدلها، مدلی که بهترین عملکرد را داشت برمیگذینیم، هدف اصلی این تحقیق، پیش‌بینی قیمت سهام با استفاده از متغیرهای ترکیبی به روش شبکه عصبی برای سرمایه‌گذاران است؛ به همین جهت، مدل‌هایی را آماده نمودیم که با اقتباس از مدل گذشته با اضافه کردن متغیرهایی همچون قیمت نفت، طلا و شاخص کل بازار میزان اثر آنها را بر شبکه عصبی بسنجیم. برخلاف تحقیقات پیشین که از یک دسته اطلاعات فنی استفاده می‌کردند در این تحقیق از متغیرهای بنیادی نیز استفاده می‌شود. در این تحقیق ما پیشنهاد استفاده از متغیرهای بنیادی مالی را برای پیش‌بینی‌شده مبتنی بر فن‌های هوشمند را ارائه نمودیم. برای بررسی اثربخشی مدل ارائه‌شده، ابتدا با استفاده از مدل انتخابی را برای تاریخ ۵/۱/۹۴ پیشبینی نمودیم؛ ازآنجایی‌که خریداران از زمان پر کردن درخواست خرید تا سه روز پس‌ازآن قادر به خریداری سهام نیستند، لذا طراحی مدل برای پیش‌بینی قیمت در پنج روز بعد انجام‌شده است.
سپس به پیادهسازی سؤالات تحقیق خواهیم پرداخت، و یک روش الگوریتم بهینه‌ساز شبکه عصبی به نام مدل شبکه عصبی مبتنی بر کلونی زنبورعسل برای پیش‌بینی با داده‌های ترکیبی ارائه می‌کنیم و به مقایسه آن با شبکه عصبی می‌پردازیم. در پایان نیز، نتایج این تحقیق را موردبحث قرار میدهیم. که نمودار آن به شرح زیر است:
۴-۲پیاده سازی سوالات
۴-۱ارائه سوالهای برای پیش بینی
نمودار ۲-۳ گام به گام مراحل انجام تحقیق
۲-۳پیشینه داخلی
۲-۲پیشینه خارجی
۲-۱مبانی نظری
۴-۴ارائه مدل جدید
۴-۳توصیف جدول مقایسه مدل ها
۳-۱روش تحقیق
۳-۳جامعه و نمونه آماری
۳-۲حدود مطالعاتی
۳-۴روش جمع آوری اطلاعات
۱-۴تعریف واژه ها
۵-۴محدودیت های تحقیق
۵-۳پیشنهادهای مبتنی بر یافته های تحقیق
۵-۲نوآوری های تحقیق
۵-۱نتایج حاصل از سوالات تحقیق
۱-۳اهداف تحقیق
۱-۲اهمیت و ضرورت انجام تحقیق
۱-۱بیان مسئله
فصل پنجم
نتیجه گیری
فصل چهارم
تحلیل تجربی
فصل سوم
روش تحقیق
فصل دوم
مبانی نظری
فصل اول
کلیات تحقیق
فصل چهارم