چکیده:
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.
Stock price forecasting is a challenging and attractive topic. Investors are interested in being able to predict the price of different stocks in financial markets. This paper presents a hybrid model that predicts the final stock price for the next day based on the adaptive neuro-fuzzy inference systems (ANFIS) and Return Neural Network (RNN) algorithm using historical data and indicators. Then the results of this model and the status of market rumors enter the fuzzy expert system based on the output of the fuzzy neural system and the return neural network along with the market rumor status and finalize the forecast. The combined model proposed to predict the stock price data of Mobarakeh Steel Company of Isfahan was implemented. In this study, for research data, the data of Tehran Stock Exchange Company related to the stock data of Mobarakeh Steel Company of Isfahan from April 26, 2016 to March 20, 2017 has been used. Four technical indicators used in this study are: Moving Average(MA), Exponential Moving Average(EMA), Relative Strength Index(RSI), and Moving Average Convergence Divergence(MACD). These variables have been used as the input of the adaptive neuro-fuzzy inference systems(ANFIS) to predict the final price of the next day's shares.
خلاصه ماشینی:
از اين متغيرها به عنوان ورودي سيستم عصبي فازي براي پيش بيني قيمت پاياني روز بعد سهام شرکت فولاد مبارکه اصفهان استفاده شده است .
کلمات کليدي ) شاخص هاي فني، پيش بيني قيمت سهام در بورس اوراق بهادار، سيستم استنتاج عصبي فازي سازگار ANFIS، شبکه عصبي بازگشتي (RNN ١-گروه مهندسي صنايع ، دانشگاه پيام نور، تهران ، ايران ،(نويسنده مسئول ) yousofi@uast.
در اين مقاله ، يک مدل ترکيبي ارائه شده است که در آن ابتدا قيمت پاياني سهام براي روز بعد بر مبناي الگوريتم سيستم استنتاج عصبي فازي سازگار (ANFIS) و شبکه عصبي بازگشتي (RNN) با استفاده از داده هاي تاريخي و شاخص هاي انديکاتور پيش بيني ميشود.
در اين مقاله ، يک مدل ترکيبي ارائه شده است که در آن ابتدا قيمت پاياني سهام براي روز بعد بر مبناي الگوريتم سيستم استنتاج عصبي فازي سازگار (ANFIS) و شبکه عصبي بازگشتي (RNN) با استفاده از داده هاي تاريخي و شاخص هاي انديکاتور پيش بيني ميشود.
کوله و همکاران [٦] يک روش موثر براي پيش بيني قيمت سهام با استفاده از سيستم ترکيبي استنتاج عصبي فازي مبتني بر پارتيشن بندي شبکه ارائه دادند.
بخش ٣ مقاله در مورد رويکرد عصبي فازي، شبکه عصبي بازگشتي و سيستم خبره فازي و مدل ترکيبي پيشنهادي براي پيش بيني قيمت سهام در بورس اوراق بهادار توضيح ميدهد.
, An effective stock price prediction technique using hybrid adaptive neuro fuzzy inference system based on grid partitioning, in Advances in Intelligent Systems and Computing.