میلاد باقری - گروه مدیریت مالی، دانشکده علوم انسانی، واحد سبزوار، دانشگاه آزاد اسلامی، تهران، ایران

پیش بینی دقیق میزان سهام کلید کل روند سرمایه گذاری است. تمام قسمت های دیگر سرمایه گذاری به نوعی به پیشبینی میزان سهام بستگی دارد. اگر پیش بینی حجم سهام به صورت ناخوشایند انجام شود ، بقیه مراحل سرمایه گذاری تاحد زیادی اتلاف وقت است. بنابراین ، روند پیش بینی سهام برای اکثر سرمایه گذاران بازار بسیار مهم و همچنین یکحوزه مدیریتی بسیار مهم در بازار بورس اوراق بهادار است. بیشتر تحقیقات و شرکت ها از روش های آماری ، تحلیلرگرسیون یا شبیه سازی پیشرفته رایانه ای برای تجزیه و تحلیل پیش بینی قیمت سهام استفاده می کنند. اخیراً ، روشهایمختلف پیش بینی هوش مصنوعی (AI) در پیش بینی سهام به یک روش کار آمد تبدیل شده است. رگرسیون فازی با موفقیت برای حل مشکلات در زمینه های مختلف اعمال شده است و ثابت شده است که یک مدل پیشبینی بهتر است. با این حال، انتخاب پارامترهای مناسب در رگرسیون فازی دشوار است. بنابراین، برای بهبود دقترگرسیون فازی، از یک سیستم پشتیبانی هوشمند ترکیبی مبتنی بر محاسبات تکاملی الگوریتم های ژنتیک (GA) برایبهینه سازی پارامترهای آزاد رگرسیون فازی در این تحقیق استفاده می شود. با توجه به اینکه قیمت سهام یک روند غیرخطی دارد، لذا تحقیقات گذشته نشان می دهد که الگوریتم ژنتیک توانایی خوبی در بهینه سازی توابع غیر خطی دارد.با توجه به تفاسیری که از تجزیه و تحلیل آماری داده های عددی بر آمده است می توان نتیجه گرفت که مدل رگرسیونفازی بهینه سازی شده از طریق الگوریتم ژنتیک نتایج بهتری را برای پیش بینی قیمت سهام در مقایسه با رگرسیونمعمولی ارائه می دهد. به این دلیل که معیارهای خطا مانند MSE, RMSE در رگرسیون فازی بهینه سازی شده نسبت به رگرسیون معمولی کم تر هستند و همچنین معیارهای مناسبت مدل مانند (R(2 و IC در مدل رگرسیون فازی نسبت بهمدل رگرسیون معمولی بالاتر بوده است که این نشان از بهتر بودن مدل رگرسیون فازی بهینه سازی شده از طریقالگوریتم ژنتیک نسبت به رگرسیون معمولی است.

رگرسیون فازی، پیش بینی قیمت سهام، الگوریتم ژنتیک، بهینه سازی