پیش بینی ارزش سهام با استفاده از شبکه عصبی فازی پیشنهادی و الگوریتم ترکیبی

پیش بینی بازار بورس و نحوه تغییر نمادها، همواره در زمره پژوهش های کاربردی و پرطرفدار قرار می گیرد؛ بنابراین با پیش بینی نمادها با حداقل خطا می توان در بورس موفق شد. در این مقاله برای پیش بینی ارزش نمادها از یک شبکه جدید شامل شبکه عصبی فازی، تابع سینک و الگوریتم بهینه سازی ملخ بهبودیافته، استفاده شده است. در این خصوص، برای پیش بینی و مدل سازی شاخص نمادهای بورس از مدل سازی جعبه سیاه و مدل AR(Auto regressive) استفاده شده که مرتبه مدل با استفاده از الگوریتم گرگ خاکستری تعیین گردیده است. برای بهینه سازی پارامترهای خطی شبکه، از الگوریتم ترکیبی؛ شامل حداقل مربعات برای مقداردهی اولیه و حداقل مربعات بازگشتی برای آموزش برخط استفاده شد و برای بهینه سازی پارامترهای غیرخطی از الگوریتم بهینه سازی ملخ به کار رفت. در شبیه سازی نشان داده شد که با ارائه ساختار جدید، الگوریتم گرگ خاکستری می تواند به طور موثر مرتبه مدل و جملات با بیشترین تاثیر را در نماد فولاد مشخص کند؛ به علاوه در این قسمت بیان شده که شبکه و الگوریتم پیشنهادی نسبت به سایر روش ها مانند شبکه عصبی برای پیش بینی ارزش سهام، خطای کمتری داشتند و الگوریتم ملخ ارائه شده با نرخ یادگیری تطبیقی با سرعت بیشتری و به صورت تطبیقی، هم گرا شده است.

Keywords:

ارزش سهام , شبکه عصبی سینک فازی , الگوریتم ملخ بهبود یافته , پیش بینی , مدل سازی