پیش‌بینی قیمت سهام در بورس اوراق بهادار موضوعی چالش برانگیز و جذاب است. سرمایه گذاران علاقه مندند که بتوانند سود سهام مختلف را در بازارهای مالی پیش‌بینی کنند. در این مقاله مدل ترکیبی ارائه شده است که در آن ابتدا قیمت پایانی سهام برای روز بعد بر مبنای الگوریتم سیستم استنتاج عصبی فازی سازگار (ANFIS) و شبکه عصبی بازگشتی (RNN) با استفاده از داده‌های تاریخی و شاخص‌های اندیکاتور پیش‌بینی می‌شود. سپس نتایج به همراه وضعیت شایعات بازار به سیستم خبره فازی وارد می‌شود و پیش‌بینی را بر مبنای خروجی سیستم عصبی فازی و شبکه عصبی بازگشتی به همراه وضعیت شایعات بازار، نهایی می‌کند. مدل ترکیبی ارائه شده برای پیش‌بینی قیمت داده‌های سهام شرکت فولاد مبارکه اصفهان اجرا شد. در این مطالعه برای داده‌های تحقیق از داده‌های شرکت بورس اوراق بهادار تهران مربوط به داده‌های سهام شرکت فولاد مبارکه اصفهان از 5 فروردین 1395 لغایت 29 اسفند 1398 استفاده شده است. چهار شاخص فنی در این مطالعه مورد استفاده قرار گرفته است که عبارتند از: میانگین متحرک(MA)، میانگین متحرک نمایی(EMA)، اندیکاتور قدرت نسبی(RSI)، اندیکاتور میانگین متحرک همگرایی واگرایی(MACD). از این متغیرها به عنوان ورودی سیستم عصبی فازی برای پیش‌بینی قیمت پایانی روز بعد سهام شرکت فولاد مبارکه اصفهان استفاده شده است. Manuscript profile

در سالهای اخیر، در ادبیات مالی، توجه روز افزونی به سطح نگهداشت وجه نقد شرکت‌ها شده است. لذا؛ پیش‌بینی برای تعیین سطح بهینه نگهداشت وجه نقد اهمیت دارد. در این پژوهش با استفاده از روش‌های خطی و غیرخطی و 13 متغیر ورودی تاثیر‌گذار میزان وجه نقد در 103 شرکت پذیرفته شده در بورس اوراق بهادار ایران طی سال‌های 1392 تا 1400 پیش‌بینی شده است. روش‌های به‌کار رفته شامل رگرسیون خطی چندگانه (MLR) ، نزدیکترین k همسایه (KNN) ، ماشین بردار پشتیبان (SVM) و شبکه‌های عصبی چند لایه (MLNN) برای پیش‌بینی استفاده شده است. نتایج نشان می‌دهد که روش سنتی رگرسیون خطی چندگانه در پیش‌بینی وجه نقد موفق عمل نکرده‌اند ولی الگوریتم‌های یادگیری ماشین با دقت 99/0 برتر بوده‌اند. متغیرهای سود هر سهم، نسبت داراییهای جاری به بدهیهای جاری و نسبت بدهی کوتاه‌مدت به کل دارایی‌ها تاثیر‌گذاری بیشتری در همه الگوریتم‌ها داشته‌اند. بنابراین، مدیران می‌توانند از الگوریتم‌های پیشرفته یادگیری ماشین جهت پیش‌بینی میزان وجه نقد آینده شرکت‌ها بهره بگیرند. Manuscript profile