<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>انتشارات دانشگاه تهران</PublisherName>
				<JournalTitle>بررسی‏‌های حسابداری و حسابرسی</JournalTitle>
				<Issn>2645-8020</Issn>
				<Volume>12</Volume>
				<Issue>3</Issue>
				<PubDate PubStatus="epublish">
					<Year>2005</Year>
					<Month>11</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>-</ArticleTitle>
<VernacularTitle>پیش‌بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی مصنوعی</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">18463</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حسنعلی</FirstName>
					<LastName>سینائی</LastName>
<Affiliation></Affiliation>

</Author>
<Author>
					<FirstName>سعیدال.....</FirstName>
					<LastName>مرتضوی</LastName>
<Affiliation></Affiliation>

</Author>
<Author>
					<FirstName>یاسر تیموری</FirstName>
					<LastName>اصل</LastName>
<Affiliation></Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>1970</Year>
					<Month>01</Month>
					<Day>01</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">پژوهش حاضر به مطالعه پیش‌بینی شاخص قیمت سهام در بورس اوراق بهادار تهران به وسیله شبکه‌های عصبی و ارایه‌ی شواهدی مبنی بر رفتار آشوبناک شاخص قیمت در بورس اوراق بهادار می‌پردازد. دو مجموعه از داده‌ها برای ورودی شبکه عصبی انتخاب شده‌اند. وقفه‌های مختلفی از شاخص و عوامل کلان اقتصادی به عنوان متغیرهای مستقل. شبکه‌های عصبی به‌کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه (MLP) است که به روش الگوریتم پس انتشار خطا آموزش دیده‌اند، و شامل شبکه‌های عصبی پیش خور سه لایه و چهار لایه با تعداد نرون‌های مختلف در لایه‌های ورودی و پنهان است. هم‌چنین از مدل خطی ARIMA برای پیش‌بینی شاخص قیمت در هفته‌ی بعد استفاده شده است. نتایج حاصل از پژوهش نشان می‌دهد که شبکه‌ها عصبی عملکرد بهتری نسبت به مدل خطی ARIMA برای پیش‌بینی شاخص قیمت دارند و هم‌چنین مقدار قابل قبول MSE برای خطای شبکه در داده‌های آزمون و برآورد نشان‌دهنده‌ی این مطلب است که حرکات آشوبناک در رفتار شاخص قیمت وجود دارد. و آزمون R2 محاسبه شده نشان دهنده‌ی شواهدی علیه فرضیه بازار کارا وگشت تصادفی است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">بورس اوراق بهادار تهران</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پیش‌بینی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شاخص قیمت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه‌های عصبی مصنوعی(ANNs)</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نظریه آشوب</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://acctgrev.ut.ac.ir/article_18463_6b7f7841b56f612d84bb0d85fa12c8a5.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
