۵

شخارک

پتروشیمی خارک

۶

پلاسک

پلاسکوکار سایپا

۷

شسینا

صنایع شیمیایی سینا

۸

شفارس

صنایع شیمیایی فارس

۹

شیراز

پتروشیمی شیراز

۱۰

شبلی

پلی اکریل ایران

جدول ۴-۱ نام شرکتهای نمونه(یافتههای محقق)
۴-۲-۳٫ سؤال‌های مختلف برای پیشبینی قیمت سهام
امروزه شبکههای عصبی مصنوعی جایگاه مهمی در ادبیات پیشبینی متغیرهای اقتصادی به خود اختصاص دادهاند. مهمترین مزیت این مدل نسبت به سایر مدلهای ساختاری و سری زمانی آن است که در طراحی این مدل، نیازی به اعمال فرضهای آماری خاص در مورد رفتار متغیرها مانند فرضهای مربوط به نحوه ارتباط بین متغیرها نیست. به‌منظور پیشبینی هرچه دقیقتر قیمت سهام، چهار سؤال مختلف را در نظر گرفتیم و به مدل‌سازی آنها پرداختیم.
سؤال اول: پیش‌بینی قیمت سهام را با استفاده از شاخص‌های ترکیبی به روش شبکه عصبی برای پنج روز آینده با استفاده از متغیرهای ترکیبی؛ که ورودی‌های این مدل ترکیبی از متغیرهای فنی و بنیادی ست.
سؤال دوم: پیش‌بینی قیمت سهام را با استفاده از شاخص‌های تکنیکال به روش شبکه عصبی برای پنج روز آینده.
سؤال سوم: تعیین عامل‌های مهم در تعیین نرخ اوراق در شرکت‌های شیمیایی که با واردکردن قیمت طلا، قیمت نفت، قیمت ارز و شاخص کل در شبکه عصبی به پیش‌بینی قیمت سهام می‌پردازیم.
سؤال چهارم: با استفاده از الگوریتم‌های شبکه عصبی و شاخص‌های ترکیبی یک روش جدید با خطای کمتر برای پیش‌بینی قیمت سهام طراحی کنیم.

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