ترکیب دوگانه سیستم استنتاج فازی با الگوریتم بهینه سازی ازدحام ذرات در پیش بینی قیمت سهام بورس اوراق بهادار تهران و مقایسه آن با مدل یادگیری عمیق

پیش بینی قیمت سهام توسط تحلیلگران داده یک فرصت تجاری بزرگ را برای طیف گسترده سرمایه گذاران در بازار سهامایجاد کرده است. اما این مهم به دلیل ماهیت بی ثبات و پویایی بیش از حد عوامل متعدد اقتصادی تاثیرگذار بر بازار سهام،امری دشوار است. در این پژوهش به منظور شناسایی ارتباط پیچیده ۱۰ متغیر اقتصادی بر قیمت سهام شرکت های فعال دربازار سهام تهران، دو مدد طراحی و پیاده سازی شده است. نخست یک سیستم استنتاج فازی ممدانی که مجموع قوانین موتوراستنتاج خود را توسط الگوریتم بهینه سازی ازدحام ذرات بدست می آورد طراحی می شود. سپس مدل یادگیری عمیق مشتملبر ۲۶ نرون در ۵ لایه پنهان طراحی شده است. مدل های طراحی شده به منظور پیش بینی قیمت سهام نه شرکت فعال دربورس اوراق بهادار تهران پیاده سازی و نتایج بدست آمده حاکی از عملکرد بهتر مدل یادگیری عمیق بر مدل ترکیب دوگانهاستنتاج فازی-ازدحام ذرات و نیز مدل رایج شبکه عصبی دارد. اما قدرت تفسیرپذیری الگوی بدست آمده، رفتار همستانتر و باواریانس به مراتب کمتر و نیز سرعت همگرایی بیشتر نسبت به سایر مدل ها را می توان از مزایای رقابتی قابل توجه مدل ترکیبدوگانه استنتاج فازی-ازدحام ذرات نام برد.

ترکیب دوگانه سیستم استنتاج فازی با الگوریتم بهینه سازی ازدحام ذرات در پیش بینی قیمت سهام بورس اوراق بهادار تهران و مقایسه آن با مدل یادگیری عمیق Keywords:

پیش بینی قیمت سهام , سیستم استنتاج فازی , یادگیری عمیق , شبکه عصبی و الگوریتم بهینه سازی ازدحام ذرات