در این مقاله با الگوسازی و پیش بینی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران مبتنی بر ساختار تلفیقی الگوریتم ژنتیک با رویکرد شبکه عصبی GMDH، سعی در شناخت متغیرهای مؤثر بر شاخص بورس اوراق بهادار شده است. یازده متغیر کلان اقتصادی مرتبط با بازار سرمایه به همراه وقفه‌های یک و دو ماهه هر کدام از آنها و وقفه‌های متغیر وابسته، الگویی با 35 متغیر ورودی را ایجاد کرد که نتایج به دست آمده نشان‌دهنده تأثیر قوی و معنادار شاخص قیمت زمین، هزینه مسکن، CPI، پایه پولی، کرایه مسکن اجاره‌ای و قیمت جهانی نفت خام بر شاخص قیمت و بازده نقدی بورس اوراق بهادار است. در مقابل، بازار ارز خارجی و طلا، ارتباط کمتری با بازار سهام داشته است.
Mehrara M, Moeini A, Ahrari M, Hamony A. Modeling stock market prices based on GMDH Neural Network: a case study for Iran. qjerp 2009; 17 (50) :31-51 URL: http://qjerp.ir/article-1-256-fa.html
