سیداحمد میرزائی - دانشجوی مدیریت مالی،واحد اسفراین، دانشگاه آزاد اسلامی، اسفراین، ایران
میثم دعائی - استادیار گروه مدیریت مالی، واحد اسفراین، دانشگاه آزاد اسلامی، اسفراین، ایران

پیش بینی حرکات قیمت سهام موضوعی مهم، جذاب و فوق العاده مشکل برای محققان، معامله گران و تحلیلگران بازار میباشد. پیش بینی قیمت سهام به صورت روزانه، به دلیل غیرخطی بودن و آشوبناک بودن حرکات قیمت سهام، کار بسیار مشکلی میباشد. تکنیک های هوش مصنوعی به صورت گسترده برای پیش بینی داده های با ساختار غیرخطی و آشوبناک به کار گرفته شده اند. بیشتر کارهای گذشته از شبکه های عصبی مصنوعی منفرد به همراه تعداد محدودی اندیکاتور تکنیکال برای پیش بینی قیمت سهام و شاخصهای بورس استفاده کردهاند. استفاده از یک شبکه عصبی مصنوعی به همراه ورودیهای ثابت باعث افزایش خطا در پیش بینی میشود. بنابراین نیازمند یک مدل قدرتمند برای پیش بینی قیمت سهام میباشیم. در این پژوهش در مرحله اول و با استفاده از الگوریتم ژنتیک و شبکه عصبی پرسپترون چند لایه اقدام به انتخاب مناسبترین اندیکاتورها می نمایم(مرحله انتخاب ویژگی) و در مرحله دوم با استفاده از سه پیش کننده شامل شبکه عصبی مصنوعی پرسپترون چند لایه و شبکه عصبی فازی و شبکه عصبی با توابع پایه ای شعاعی اقدام به پیش بینی قیمت سهام خواهیم کرد و در نهایت با میانگین گیری خروجی نهایی بدست میآید(مرحله یادگیری ترکیبی). نتایج نشان میدهد مدل پیشنهادی خطای پیش بینی را کاهش داده است.

پیشبینی قیمت سهام، شبکه های عصبی مصنوعی، الگوریتم های فراابتکاری، انتخاب ویژگی، یادگیری ترکیبی