حجم مبنا: حجم مبنـا، حداقل تعداد سهام یک شرکت است که باید در طول روز، معامله شود تا قیمت آن سهم، بتوانـد براساس سقف دامنه نوسان، افزایش یا کاهش یابد. بنابراین، درصورتی که تعداد سهام معامله شده یک شرکت در طول روز، کمتر از حجم مبنا باشد، به همان نسبت درصد نوسان قیمت آن سهم نیز کاهش خواهد یافت. درحال حاضر، حجم مبنای شرکتهای پذیرفته شده در بورس، ۰۰۰۸/۰ است. بنابراین، اگر به عنوان مثال تعداد کل سهام یک شرکت پذیرفته شده در بورس ۲۰ میلیون سهم باشد، تنها درصورتی قیمت سهام این شرکت در طول یک روز می تواند چهار درصد افزایش یا کاهش داشته باشد که حداقل ۱۶ هزار سهم شرکت در طول روز، مورد داد و ستد قرار گیرد. هدف از تعیین حجم مبنا، این است که سرمایه ­گذاران اطمینان داشته باشند نوسانات قیمت سهام، در نتیجه خرید و فروش تعداد مشخص و قابل توجهی سهام صورت گرفته است، چراکه در غیر اینصورت، معامله حتـی چند عدد سهم یک شرکت، می تواند قیمت سهام این شرکت در بورس را تحت تأثیر قرار داده و منجر به ایجاد قیمتهای غیرواقعی و کاذب در بورس شود.

درصد تحقق سود: شرکت الف را درنظر بگیرید. این شرکت در ابتدای سال ۹۲ پیش بینی کرده بود که در پایان سال، ۱۰۰ تومان سود به ازای هر سهم بدست آورد. اگر در پایان سال، میزان سود تحقق یافته این شرکت به ازای هر سهم، ۹۵ تومان باشد، به این معناست که شرکت الف توانسته است ۹۵ درصد سود پیش بینی شده خود را محقق کند. هر اندازه درصد تحقق سود یک شرکت بالاتر باشد، نشان دهنده پیش ­بینی دقیق­تر و عملکرد بهتر آن شرکت خواهد بود.
پیش ­بینی سود: شرکتها معمولا در پایان هر سال مالی، بودجه سال آینده خود را منتشر می­ کنند. یکی از مهم­ترین اطلاعات مندرج در بودجه شرکتها، پیش ­بینی مقدار سود هر سهم آنان است. به عنوان مثال، شرکت الف در پایان سال ۱۳۹۱ پیش ­بینی می­ کند که در پایان سال مالی ۱۳۹۲، به ازای هر سهم، ۱۰۰ تومان سود بدست آورد. این پیش بینی برای سرمایه گذاران حائز اهمیت است، زیرا می ­تواند چشم­انداز شرکت را حداقل برای یک سال آینده، مشخص نماید.
شاخص: شاخص اعدادی است که وضعیت بازار را طی دوره­ های قبل نشان می­دهد. هرگروه در بورس برای خود
شاخصی دارند که سهامداران می­توانند با پیگیری این شاخصها، چشم­انداز آن بازار و یا صنعت را تبیین نمایند. در بازارهای مالی اساسا شاخص یک سهام فرضی از اوراق بهادار است که شامل کل بازارمربوطه یا بخشی از آن است. شاخص کل بورس تهران که به آن “تپیکس ” می گویند، شامل پرتفوی فرضی از کل سهام پذیرفته شده در بورس است. این شاخص، همانند شاخصهای مالی و صنعت تنها بیانگر تغییرات قیمت سهام طی یک دوره زمانی است.
نماد: نماد، در واقع نام اختصاری شرکتهای پذیرفته شده در بورس است. برای مثال، نماد شرکت پتروشیمی خارک در بورس، شخارک است. حرف اول نماد، برگرفته از صنعتی است که شرکت در آن قرار دارد و بخش دوم نماد، در واقع خلاصه نام شرکت است. مثلا در نماد شخارک، حرف ش بیانگر صنعت شیمیایی و کلمه خارک، مخفف عبارت پتروشیمی خارک است. فعالان بورس، به­جای استفاده از نام کامل شرکتها، از نماد آنها استفاده می کنند.
دامنه نوسان: منظور از دامنه نوسان، حداکثر افزایش یا کاهشی است که قیمت سهام شرکت، در یک روز می تواند داشته باشد. در حال حاضر، دامنه نوسان قیمت سهام در بورس تهران، چهار درصد و دامنه نوسان قیمت سهام در فرابورس، پنج درصد است. به این معنا که مثلا اگر قیمت سهم الف در بورس تهران، در ابتدای روز ۲۰۰ تومان باشد، قیمت این سهم در پایان ساعت معاملات حداکثر می تواند هشت تومان افزایش و یا هشت تومان کاهش داشته باشد. دامنه نوسان با این هدف تعیین شده است که در مواقع بحرانی یا در مواردی که بازارتحت تأثیر رفتارهای هیجانـی برخی سهامداران، بویژه سهامداران خرد قرار دارد، از بروز نوسانات شدید در قیمت سهام و در نتیجه، ضرر و زیـان زیاد سهامداران جلوگیری شـود. البته شرکتهایی که نماد آنها مدتـی متوقف شده است، پس از بازگشایـی نماد شامل دامنه نوسان نمی شونـد، زیـرا اطلاعات با اهمیتی که نماد شرکت به خاطـر آن متوقف شده است، ممکن است تأثیری بیش از دامنه نوسان تعیین شده بر قیمت سهم داشته باشد و طبیعی است که براساس سازوکار حراج باید اجازه داده شود تا اطلاعات، تأثیر واقعی خود را بر میزان عرضه و تقاضا و در نتیجه قیمت سهام بگذارد، هرچند این تأثیـر بیشتـر از دامنه مجـاز نوسـان روزانه باشد.
۳-۳ بررسی فاکتورهای کیفی و کمی
در حال حاضر، اغلب شاخصهای معرفی‌شده در بازار سهام به‌صورت کمی و برحسب قیمت و حجم معاملات محاسبه می‌شوند، اما در تشکیل سبدهای سرمایه­‌گذاری و همچنین تدوین راهبردهای تخصیص بهینه در سرمایه‌گذاریهای کوتاه‌مدت و بلندمدت گروه دیگری از شاخصها که از نوع شاخصهای کیفـی نامیده شده و براساس عوامل کیفی شکل می‌گیرند، اهمیت قابل توجهی دارند. عوامل تعیین‌کننده شاخصهای کیفی، عواملی همچون رشد کیفیت و برخورداری شرکت از مدلهای تجاری بادوام و مزیتهای رقابتی پایدار و همچنین میزان مسئولیت‌پذیری شرکت در مقابل آثار عملکردش در محیط پیرامون مانند اقتصاد، دولت، جامعه، اخلاق و محیط زیست، ازجمله عوامل تعیین‌کننده برای سرمایه‌گذاران حقوقی و حقیقی است. به‌منظور تشکیل یک سبد سرمایه‌گذاری کارا که در محاسبه شاخصهای کیفی مدنظر قرار می‌گیرند از عوامل کیفی و کمی استفاده می­ شود. در حال حاضر، روش های مختلفی برای اندازه­‌گیری این مفاهیم، طراحی شده‌اند که هریک از این شاخص‌ها، می‌تواند در تصمیم‌گیری سرمایه‌گذاران بسیار مؤثر باشد.
تحلیلهای کمی می­توانند شامل مواردی از قبیل جریانهای نقدی، تحلیل درآمد، ترازنامه، مقایسه مقادیر موجود با مقادیر قبلی، سهام متنوع باشد. تحلیلهای کیفی نیز شامل صحبت با مدیران، صحبت با رقیبان شرکتها، خریداران و فروشندگان برای دریافت اطلاعات و سود، تحلیل عمق سرویس دهی و نوع محصول شرکتها، تعیین توانایی مدیریت بازار و تعیین فواید قابل مقایسه هر شرکت با دیگر شرکتهای همنوع می­باشد.
۳-۴ انواع روش های پیش ­بینی
در بازار سرمایه ارزش سهام بر اساس میزان منافع آتی و اطمینان از تحقق آنها تعیین می گردد و هر اندازه اطمینان نسبت به کسب بازده بیشتر باشد مخاطره از دست دادن اصل سرمایه و سود آن کمتر می­ شود. عوامل و متغیرهای متعددی در بازار سرمایه و در سطح کلان کشور بر روی قطعیت یا عدم قطعیت سود و نیز تغییرات قیمت دارائیهای مالی اثر می­گذارد.
۳-۴-۱ تحلیل بنیادی
با توجه به مطالب ارائه شده، روش بنیادی به بررسی دقیق عوامل محیطی که ممکن است بر روند حرکت قیمت سهام و به تبع آن بر بازده دارائیهای مالی تاثیر گذارد می پردازد در این روش به منظور تحلیل گزینه­ های سرمایه ­گذاری در بورس اوراق بهادار بایستی به سه مرحله اساسی تجزیه و تحلیل شرکت، بررسی اوضاع اقتصادی کشور و بررسی صنعت مورد نظر توجه کرد. در این زمینه دسته­بندی داده ­ها شامل قیمت سود حاصل شده در یک سال، میانگین ارزش قیمت عرضه در یک سال، میانگین ارزش قیمت تقاضا در یک سال، وضعیت شاخص سهام شرکت در یک سال می­باشد. تحلیلهای تکنیکی بوسیله تخمین نسبت به سهم اصلی به نحوی به بازرگانها کمک می­ کنند اما این تحلیلها بسیار گسترده هستند. به طور کلی تحلیل تکنیکی از یک تاریخچه­ای از اطلاعات که وضعیت قیمت سهام در گذشته است استفاده می­ کند.
۳-۴-۱تحلیل تکنیکی
ایده­ای که مبنای تحلیل تکنیکی است پاسخ سرمایه­گذار به فشارهای متفاوت به سبب تغییراتی است که موجب جا به ­جایی قیمت در بازار می­شوند. مواردی چون قیمت، حجم و آمار بازار برای یاری به تحلیلهای تکنیکی استفاده می­ شود تا تغییرات آینده سهام را پیش ­بینی کرد. تحلیلهای تکنیکی می­توانند به فرمی باقی ­بمانند که مرتب تکرار ­شوند و به آینده بازاری که می ­تواند با قیمتهای قبلی مورد امتحان قرار گیرد در تعیین قیمت نهایی موثر واقع شود [۳].
باتوجه به آنچه ذکرشد، تحلیلهای تکنیکی می­توانند متناقض عمل کنند. تحلیلهای تکنیکی بوسیله تخمین نسبت به سهم اصلی به نحوی به بازرگانها کمک می­ کنند اما این تحلیلها بسیار گسترده هستند و عملکرد ذهنی دارند. برای درک بهتر عملکرد و بهبود پیش ­بینی می­توان از چارتها یا نمودارهای سهام استفاده کرد زیرا این چارتها به کشف یک الگوی درست کمک می­ کنند. منظور از اثرات نویز در داده ­های بازار سهام افزونگی داده ­در هر سهم یا محاسبه اشتباه مبالغ است. این تکنیکها به تحلیل درست چارتها و قوانینی که برای بازرگانان موثر است کمک می­ کنند. نمونه­هایی از طبقه ­بندی تکنیکی سنجش حرکت، تحلیل خطی، تحلیل موج و تحلیل الگو است. با بهره گرفتن از تحلیل تکنیکی می­توان در یک دوره کوتاه­مدت یا بلندمدت به شناسایی روند عملکرد بازار پرداخت.
یک مثال مناسب از تحلیل تکنیکی میانگین جنبش^[۱۵] است که در ادامه به آن پرداخته خواهد شد. به طور کلی می­توان گفت تحلیل تکنیکی یا به­عبارتی تصمیمی که گروهی از افراد سیاستمدار درباره بازار سهام می­گیرند، خطری برای اساس شرکتها ایجاد نمی­کند. تمام تلاش این تحلیل رسیدن به یک پیش ­بینی درست برمبنای تحلیل قیمتهای قبلی سهام است. اما به طور کلی، متخصصین در زمینه تحلیل تکنیکی بر این باورند که در بازار سهام، تمامی اطلاعات مورد نیاز در قیمتها نهفته است. با تمرکز بر روی قیمتهای دوره­ های قبل و زمان حال سهام و پیش بینی آینده سهام می­توان از یک انتخاب مناسب در بازار سود برد. در واقع تکنیک­گرایان بر عکس بنیادگراها که به چرایی قیمت ها تاکید داشتند بر روی چیستی قیمت تمرکز دارند. این نوع سرمایه گذاری با بهره گرفتن از مطالعه رفتار قیمت سهام در گذشته و تعیین قیمت و روند آینده آن و امکان تکرار الگوهایی مشابه صورت می پذیرد. دلیل این امر این است که طرفداران تحلیل تکنیکی ابراز می دارند که تمامی وقایع جاری اقتصادی کشور و نیز صنعت و انتظارات سهامداران نهایتاً بر قیمت سهام تاثیر گذاشته است. لذا بایستی پیشینه تاریخی و نمودار قیمت سهام به دقت بررسی گردد. باتوجه به مطالب ذکر شده داده­هایی که برای بررسی تحلیل تکنیکی مورد استفاده قرار می گیرند شامل اولین قیمت معامله، بالاترین قیمت معامله، پایین­ترین قیمت معامله، آخرین قیمت معامله، تغییر قیمت معامله امروز نسبت به روز قبل است. موارد ذکر شده برای تحلیل تکنیکی و تحلیل بنیادی برای یک شرکت با داده ­های بورس اوراق بهادار تهران درطی یک سال،۱۳۹۰ به کمک نرم افزار MATLAB و بوسیله جعبه ابزار شبکه­عصبی مورد بررسی و تحلیل قرار گرفته است. چگونگی انجام عملیات به­ طور کامل در فصل چهارم ذکر شده است.
۳-۳-۲تحلیل سری زمانی
پیش ­بینی سری زمانی، داده ­های قدیمی را مورد تحلیل قرار می­دهد و مقادیر داده­هایی که در آینده مورد استفاده قرار می­گیرند را بصورت تخمینی مورد تحلیل قرار می­دهد. این روش به مدلسازی یک عملکرد غیر خطی با بهره گرفتن از مقادیر قبلی می ­پردازد. بدین طریق سعی در تخمین داده ­های مفید دارد. این تحلیل برای پیش ­بینی کامل و توصیف صحیح از ارزش­های سری زمانی کمک می­گیرد. می­توان گفت این تحلیل نوعی از تحلیل مالی است. محققان این تحلیل را نوعی تحلیل اقتصادی می­دانند که ابتدا به صورت بالا به پایین و سپس سطح بندی شده انجام می­ شود. در بازار سرمایه ارزش سهام بر اساس میزان منافع آتی و اطمینان از تحقق آنها تعیین می­گردد و هر اندازه اطمینان نسبت به کسب بازده بیشتر باشد مخاطره از دست دادن اصل سرمایه و سود آن کمتر می­ شود. تحلیل سریهای زمانی و انواع روش های وابسته در شکل ۳-۱ آمده است و هریک از آنها در ادامه توضیح داده شده است.
Regression Method
تحلیلهای سری زمانی
ARIMA
Moving Average
Random Walk
شکل۳-۱: انواع تحلیلهای سری زمانی.
گامهای تصادفی
تغییرات قیمت بازار سهام به شکل توزیع شده و مستقل از یکدیگر هستند. قیمتهای سهام به سرعت در حال تغییر هستند و این وضعیت به­عنوان یک ریسک محسوب می­ شود که بوسیله گامهای تصادفی^[۱۶] قابل مدل­سازی است. مطالعه رفتار یک مسیر تشکیل شده از Random Walk پی در پی با بهره گرفتن از ابزار ریاضیات است. نتایج کاوش در مورد این موضوع در شاخه‌های مختلف علم مانند علوم کامپیوتر، فیزیک، بوم شناسی، اقتصاد، روانشناسی و موارد دیگر به عنوان مدلی پایه برای فرایندهای تصادفی در طول زمان، استفاده شده‌است. به عنوان مثال، مسیر طی شده توسط یک مولکول هنگام حرکت درون گاز یا مایع، مسیر حرکت یک حیوان علف خوار، نوسانات قیمت سهام و وضعیت مالی مواردی است که می‌تواند با Random Walk مدل­سازی شود.
عنوان گامهای تصادفی را نخستین بار کارل پیرسون در سال ۱۹۰۵ میلادی به کار برد. انواع مختلفی از Random Walk مورد توجه‌است. معمولاً Random Walk به­عنوان زنجیره مارکف فرض می‌شود، در حالی که موارد پیچیده دیگری نیز وجود دارد و مورد توجه‌است. Random Walk می‌تواند روی یک گراف، خط مستقیم، صفحه مسطح یا در فضایی با ابعاد بالاتر رخ دهد. زمان میان گامها نیز در انواع Random Walk متفاوت است. معمولاً Random Walk در زمان گسسته رخ می‌دهد و با اعداد طبیعی اندیس دهی می‌شود . اما در برخی موارد فاصله زمانی میان گامها نیز تصادفی است و مشخصه زمانی پیوسته تعریف می‌شود Random Walk موضوعی اساسی در مباحث فرایندهای مارکف است و با مدلهای پخش رابطه دارد. ویژگیهای مختلف Random Walk همچون توزیع پراکندگی، زمان اولین عبور و نرخ برخورد به طور گسترده مطالعه شده‌است. یکی از انواع معروف Random Walk ، حالتی است که روی صفحه مسطح و شبکه مانند رخ می‌دهد. یک متحرک فرضی با شروع از یک گره، هر بار با احتمالی مشخص به گره‌ای دیگر می‌رود (قدم می‌زند). در Random Walk ساده، متحرک تنها مجاز است به گره‌های مجاور منتقل شود و در حالت Random Walk متقارن ساده بر روی شبکه متناهی، احتمال انتقال متحرک به هر گره شبکه برابر است.
میانگین جنبش
میانگین جنبش^[۱۷] برای تحلیل مجموعه داده با ایجاد زیرمجموعه­های متفاوت از محیط بازار سهام به­ طور کامل به­کار می­رود. از میانگین جنبش برای از بین بردن تغییرات کوتاه به کمک تحلیل داده و یا برای بازار سهام در طولانی مدت و یا به حالت یک چرخه استفاده می­ شود . در تحلیلهای تکنیکی داده ­های مالی مثل بازگشت قیمت سهام، حجم یا ارزش تجاری مورد بررسی قرار می­گیرد. این روش بهRolling Average یا Rolling Mean هم معروف است. . از مزایای Moving Averageاین است که اجازه نمی­دهد داده ­های قدیمی در روند کار تاثیر اشتباه ایجاد کنند. با داده ­های کمتر به نتیجه بهتری می­رسد. در مقایسه با روش های دیگر، می­توان از نتایج این روش مطمئن بود. ازمعایب Moving Average این است که در مواردی که داده ­ها به صورت فصلی طبقه ­بندی شده باشند یا دارای نویز زیادی باشند، این روش بخوبی عمل نخواهد کرد. زیرا بسیار تحت تأثیر تغییرات داده قرار خواهد گرفت. روش مورد بحث برای داده ­ها در محدوده خاصی جواب مناسبی دارد. اگر داده ­ها از آن محدوده تعیین شده بیشتر یا کمتر شوند، عملکرد دچار مشکل می­ شود و این روش برای چنین وضعیتی مناسب نیست.
انواع روش های میانگین جنبش
برای محاسبه میانگین تمام داده ­های مورد پیش ­بینی از رابطه ۳-۱ استفاده می­ شود. معمولا این فرمها برای هنگامی که داده ­ها به دور از نویز یا به دور ازطبقه­بندی خاصی باشند استفاده می­ شود. t زمان مورد نظر برای انجام پیش ­بینی است، y داده ­های مورد استفاده در پیش ­بینی هستند وF میانگین داده ­ها در زمان t+1 را نشان می­دهد

روش رگرسیون
روش رگرسیون شامل تکنیکهای بسیاری است که مدل شده و سپس تحلیل می­شوند. به کمک متغیرهایی که از این روش استفاده می­شوند ارتباط بین متغیرهای مستقل شفاف سازی می­ شود. این روش برای پیش ­بینی انواع مختلفی از داده­هایی که بسیار همپوشانی دارند مورد استفاده قرار می­گیرد و در حقیقت اصل کار روش رگرسیون^[۱۸] توسط یادگیری ماشین انجام می­ شود. این روش برای درک ارتباط بین متغیرهای مستقل، وابسته و ارتباط آنها به کار می­رود. در این روش با انتخاب تعدادی از پارامترهایی که از کل داده ­ها انتخاب می­شوند، میزان داده های پیش بینی شده تخمین زده می­شوند. از مزایای این روش این است که برای داده ­های غیراستاندارد، فصلی و دارای نویز هم می­توان از آن بهره گرفت.
میانگین متحرک خودگردان یکپارچه
این روش در پیشبرد اطلاعات برای پیش ­بینی آینده بسیار موثر است [۳۸]. در آمار و اقتصادسنجی و به ویژه در آنالیز سریهای زمانی، روش میانگین متحرک خودگردان یکپارچه (ARIMA) یک روش گسترده تر از میانگین متحرک خودگردان(ARMA) است. این دو روش در سریهای زمانی، برای درک بهتر مدل انتخابی در زمینه پیش بینی آینده به کار می‌روند. این روشها در جایی که داده‌ها غیر ایستا (non-stationary) باشند به کار می‌روند. در این حالت با یک بار دیفرانسیل­گیری ایستا بودن داده‌ها از بین می‌رود و امکان برآورد یک ARMA در داده‌های جدید به وجود می‌آید.
مدل حاصل از این روش در اکثر موارد به صورت سه فاکتور p،d،q نشان داده می‌شود که در آن p، d، q اعداد حقیقی غیرمنفی هستند که درجه خودگردانی، یکپارچگی و میانگین متحرک را معلوم می‌کنند. مدلهای ARIMA بخش مهمی از رویکرد جعبه­جنکینز به مدلهای سری زمانی را می‌سازند. در تعریف جعبه جنکینز می­توان گفت، یک مجموعه ­ای از فرایندهاست برای شناسایی و تخمین مدلهای زمانی که با مدلهای ARIMA کار می­ کنند. مبنای کار جعبه جنکینز صحت داده ­ها است. اگر داده ­ها به طور فصلی یا غیر فصلی مرتب شده باشند در هر دوحالت به درستی کار می­ کند. جعبه جنکینز یک طبقه ­بندی پنج مرحله­ ای دارد، ابتدا شناسایی و تشخیص درست داده ­ها و آگاهی از تفاوتها و سپس شناسایی نوع مدلی که قرار است استفاده گردد. تخمین پارامترها و چک کردن از جهت تشخیصی در مراحل پایانی و در نهایت ارائه الگوی پیش ­بینی انجام می­گردد. برای پیش ­بینی صحیح نیاز به تحلیل سری زمانی برای داده ­ها است که توضیح داده شده است و سپس تکنیک مورد نظر برای پیش ­بینی که در ادامه انواع آن توضیح داده می­ شود. در شکل ۳-۲ انواع تکنیکهای پیش ­بینی ارائه شده است.
۳-۴-۳ روش های جایگزین تکنیکهای پیش ­بینی