در سالهای اخیر شبكه هاي عصبي در پيش بيني قیمت سهام، جایگاه ویژه ایی پیدا کرده است و تحقیقات زيادي بر روي كاربردهاي شبكه هاي عصبي در حل مسائل اقتصادي انجام شده و اثبات گردیده كه این روش مزاياي بسياري بر روش هاي آماري كه از Ai بهره نمي‌گيرند، دارد، هر چند كه هنوز هيچ روش بهينه‌اي براي حل مطمئن اين گونه مسائل وجود ندارد.

آقای حمیدرضا عطری نژاد دانشجوی دوره کارشناسی ارشد رشته کامپیوتر دانشگاه تهران در این زمینه (کاربرد شبکه های عصبی در پیش بینی قیمت سهام) سمیناری ارائه نموده، که در نوع خود جالب بوده و جای کار بسیاری دارد.
پيش‌بيني به وسيله سري‌هاي زماني، به خصوص در اقتصاد، بيش از يك دهه است كه مورد توجه مي‌باشد. شبكهء عصبي مصنوعي (ann) يك روش يادگيري منعطف براي تخمين سري‌هاي زماني است. هرچند كه چندين درجه موفقيت در تعداد زيادي از مقاله ها تاكنون گزارش شده است، ولي Ann هنوز مي‌تواند اغفال ‌كننده و مانند يك جعبه سياه براي حرفه اي هاي اقتصاد باشد، به همين دليل اين اشخاص اين ابزار را هنوز آن قدر قابل اطمينان نمي‌دانند تا ريسك خود را براي سرمايه‌هاي كلان، به وسيله آن مديريت كنند.

انگيزه‌هاي متعددي براي تلاش در زمينه پيش‌بيني قيمت‌هاي بازار سهام وجود دارد. اصلي‌ترين آن‌ها رسيدن به «سود اقتصادي» بيش‌تر است. سيستمي كه بتواند به صورت پيوسته برنده‌ها و بازنده‌ها را در بازار پويا انتخاب كند، ‌مي‌تواند صاحبش را بسيار ثروتمند كند. بنابراين، افراد زيادي از قبيل محققان، سرمايه‌گذاران حرفه‌اي و عادي به طور پيوسته سيستم را جست‌وجو مي‌كنند تا سود كلاني به دست آورند.

انگيزه دومي نيز در تحقيقات و روابط اقتصادي مطرح مي‌شود. اين موضوع در فرضيهء بازار (emh) مطرح شده است كه بازارها در فرصت‌هايي از نظر سوددهي كارآ هستند كه موقعيت‌هاي موجود به سرعت كشف شوند. Emh به صورت مؤثري بيان مي‌كند كه هيچ سيستمي به صورت پيوسته نمي‌تواند بازار را شكست دهد زيرا اگر اين سيستم عمومي شود، هر كسي آن را به كار خواهد برد. بنابراين پتانسيل سودآوري خود را انكار خواهد كرد. مناظره هاي زيادي راجع به اعتبار Emh وجود دارد، تعدادي از محققان تلاش كرده‌اند تا با شبكه‌هاي عصبي ادعاهايشان را مورد ارزيابي قرار دهند.

شبكه‌هاي عصبي براي پيش‌بيني قيمت سهام به كار برده مي‌شوند، زيرا قادرند نگاشت‌هاي غيرخطي بين ورودي‌ها و خروجي‌ها را ياد بگيرند. برعكس Emh تعداد زيادي از محققان مدعي هستند بازار بورس و سيستم‌هاي پيچيده ديگر «هرج و مرج» را نمايش مي‌دهند. «هرج و مرج» يك پروسهء معين غيرخطي است كه فقط به صورت تصادفي ظاهر مي‌شود زيرا نمي‌تواند به راحتي فهميده شود. با توانايي شبكه‌هاي عصبي در يادگيري سيستم‌هاي غيرخطي و بي‌نظم، اين احتمال وجود دارد كه از تحليل‌هاي سنتي و متدهاي ديگري كه بر مبناي كامپيوتر هستند، بهتر عمل كنند.

علاوه بر پيش‌بيني بازار سهام، شبكه‌هاي عصبي آموزش داده شده‌اند تا وظايف گوناگون مرتبط با اقتصاد را انجام دهند. سيستم‌هاي تجاري و تجربي زيادي براي تعقيب روند بازارهاي كالا و آيندهء آن‌ها، تجارت ارزي‌هاي خارجي، برنامه‌ريزي اقتصادي، پايداري شركت و پيش‌بيني ورشكستگي به كار برده مي‌شوند. بانك‌ها شبكه‌هاي عصبي را به كار مي‌برند تا اعتبار افراد و كاربردهاي وامي را براي احتمال‌هاي تخمين ورشكستگي به دقت بررسي كنند، در حالي كه مديران مالي مي‌توانند شبكه‌هاي عصبي را براي طراحي و ساختن سبدهاي سودآور به صورت بلادرنگ به كار گيرند. كاربرد شبكه‌هاي عصبي در اقتصاد بسيار زياد است كه در سمينار تنها به پيش‌بيني قيمت و روند سهام اكتفا كرده‌ايم.

در پايان، اگر چه، شبكه‌هاي عصبي اصالتا" به عنوان يك ابزار كاربردي در محيط اقتصادي به كار برده مي‌شوند، چندين بهبود تحقيقاتي در طي اين پياده‌سازي‌ها، به دست آمده‌اند. بهبودهاي قابل ملاحظه‌اي در طراحي و آموزش شبكه و كاربرد تكنيك‌هاي تئوري با امتحان چندين نمونه سيستم به اثبات رسيده‌اند.

نویسنده: حمیدرضا عطری نژاد - روزنامه سرمایه

بنا به اظهار مدیر سایت بازار مالی منبع این نوشتار سایت بازار مالی است. من اطلاع دقیق ندارم.