پیش‌بینی شاخص سهام با استفاده از ترکیب شبکه عصبی مصنوعی و مدل‌های فرا ابتکاری جستجوی هارمونی و الگوریتم ژنتیک مقاله

هدف پژوهش حاضر پیش‌بینی شاخص قیمت بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک و جستجوی هارمونی است. مربوط‌ترین نماگرهای تکنیکی به عنوان متغیرهای ورودی و تعداد بهینه نرون در لایه پنهان شبکه عصبی مصنوعی با استفاده از الگوریتم‌های فراابتکاری ژنتیک و جستجوی هارمونی حاصل می‌گردد. مقادیر روزانه شاخص قیمت بورس اوراق بهادار تهران از تاریخ 1/10/91 الی 30/9/94 جهت پیش‌بینی شاخص قیمت و آزمون آن استفاده می‌شود. دقت پیش‌بینی سه مدل شبکه عصبی عادی، شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک و شبکه عصبی هیبریدی مبتنی بر جستجوی هارمونی بر اساس میزان خطای پیش‌بینی ارزیابی می‌گردد. نتایج حاصله نشان می‌دهد دقت پیش‌بینی مدل‌های فراابتکاری ژنتیک و جستجوی هارمونی در دوره آزمون بالاتر از شبکه عصبی عادی است. همچنین پیش‌بینی مدل شبکه عصبی هیبریدی مبتنی بر جستجوی هارمونی در دوره آزمون نسبت به مدل شبکه عصبی مصنوعی هیبریدی مبتنی بر الگوریتم ژنتیک از دقت بالاتری برخوردار است.

مربوط ترین نماگرهای تکنیکی به عنوان متغیرهای ورودی و تعداد بهینه نرون در لایه پنهان شبکه عصبی مصنوعی با استفاده از الگوریتم های فراابتکاری ژنتیک و جستجوی هارمونی حاصل میگردد. جهت رفع این نقیصه ، در پژوهش حاضر همانند گوچن و همکاران (٢٠١٦) از دو روش / فصلنامـه اقتصاد مالی شماره ٤٠ / پائیز ١٣٩٦ هیبریدی ٧ برای انتخاب متغیرهای ورودی بهینه و تعداد بهینه نرون های لایه پنهان استفاده میشود. در این پژوهش با استفاده از نماگرهای تکنیکال بازار سهام ایران و مدل های شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک ١١ و شبکه عصبی مصنوعی مبتنی بر جستجوی هارمونی ١٢ به پیش بینی شاخص قیمت سهام پرداخته میشود. / فصلنامـه اقتصاد مالی شماره ٤٠ / پائیز ١٣٩٦ ٦- یافته ها هدف اصلی پژوهش مقایسۀ دقت پیش بینی شاخص قیمت بورس اوراق بهادار تهران با استفاده از مدل های شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک ، شبکه عصبی هیبریدی مبتنی بر جستجوی هارمونی و شبکه عصبی مصنوعی عادی میباشد. / فصلنامـه اقتصاد مالی شماره ٤٠ / پائیز ١٣٩٦ جدول ٥- مقایسه معیارهای خطا سه مدل مطرح شده (رجوع شود به تصویر صفحه) (ماخذ: یافته های پژوهشگر) در جدول ٥ ملاحظه میگردد مدل شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک و جستجوی هارمونی به ترتیب با میانگین قدرمطلق درصد خطای (MAPE)٤٠ برابر ٠/٣٥٤ و ٠/١٨٧ در دوره آزمون حائز خطای پیش بینی پایین تری نسبت به شبکه عصبی (٠/٥٠٧) است .