۹۹۰

حال شبکه عصبی ساخته شده، آموزش داده می شود. پس از آموزش توسط داده های تصدیق، ارزیابی و تأیید شده و در داده های تست، کارایی آن مورد بررسی قرار می گیرد. نتایج به دست آمده از پیش بینی قیمت های بالا و پایین سهام بانک پارسیان توسط شبکه عصبی در اشکال ۴-۵ و ۴-۶ نشان داده شده اند.

شکل ۴-۵ : قیمت های پایین پیش بینی شده و واقعی برای سهام بانک پارسیان

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

شکل ۴-۶ : قیمت های بالای پیشش بینی شده و واقعی برای سهام بانک پارسیان
میزان غیرخطی بودن روند تغییرات قیمت های واقعی و قدرت برازش داده های تخمین زده شده توسط شبکه عصبی، کاملا چشمگیر است. در اشکال ۴-۷ و ۴-۹، نتایج به دست آمده برای پیش بینی قیمت های بالا و پایین سهام شرکت صنایع شیمیایی فارس نشان داد شده است.

شکل ۴-۷ : قیمت های پایین پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس

شکل ۴-۸ : قیمت های بالای پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس
سرانجام در اشکال ۴-۹ و ۴-۱۰، نتایج به دست آمده برای پیش بینی قیمت های بالا و پایین شرکت فولاد مبارکه اصفهان به تصویر کشیده شده است.

شکل ۴-۹ : قیمت های پایین پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان

شکل ۴-۱۰ : قیمت های بالای پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان
اکنون که به صورت شهودی کارایی شبکه عصبی را در تخمین رفتار غیر خطی قیمت سهام دیدیم، نوبت به مقایسه کارایی آن با الگوریتم های رقیب که در فصل سه، مدل های ARMA سری های زمانی و رگرسیون چند متغیره عنوان شدند می پردازیم.
نتایج مربوط به مدل های ARMA و رگرسیون چند متغیره در پیوست پژوهش آمده است، این نتایج به صورت مختصر در جدول ۴-۱۲ برای سهام بانک پارسیان نشان داده می شوند.
جدول ۴-۱۲ : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام بانک پارسیان

نام مدل

MADP

MAD

MSE

شبکه عصبی

۱۲٫۳%

۳۷٫۲۸

۸۷۳۲

ARMA

۱۲٫۷۸%

۳۸٫۷۵

۹۶۷۴

رگرسیون چند متغیره

۱۲٫۳۸%

۳۷٫۵۴

۸۹۳۹