ارائه مدلی برای پیش بینی سری زمانی قیمت های نویزدار سهام با استفاده از تحلیل طیف تکین، رگرسیون بردار پشتیبان بهمراه بهینه سازی ازدحام ذرات و مقایسه آن با عملکرد مدل های تبدیل موجک، شبکه عصبی، فرآیند میانگین متحرک خودرگرسیون و رگرسیون چندجمله ای

در این پژوهش مدلی برای تحلیل و پیش بینی سری زمانی مالی نویزدار قیمت سهام با استفاده از تحلیل طیف تکین و رگرسیون بردار پشتیبان همراه با بهینه سازی ازدحام ذرات ارائه شده است. بدین صورت که سری زمانی قیمت بسته شده ۱۴۰ سهم از شرکتهایی در صنایع مختلف در هر دقیقه در روز برای دوره ای از ۲۸ اردیبهشت تا ۱۱ خرداد برای سال های ۱۳۹۲ تا ۱۳۹۸ بصورت جداگانه از بورس اوراق بهادار تهران مورد بررسی قرار گرفت. همچنین عملکرد مدل پیشنهادی با عملکرد چهار مدل تبدیل موجک همراه با شبکه عصبی، فرآیند میانگین متحرک خود رگرسیون، رگرسیون چندجمله ای و مدل نایو مقایسه شد. از میانگین خطای مطلق، میانگین درصد خطای مطلق، و میانگین ریشه مربعات خطا به عنوان معیارهای اصلی عملکرد استفاده گردید. نتایج نشان می دهد که عملکرد مدل ارائه شده برای تحلیل و پیش بینی سری زمانی مالی نویزدار بر اساس میانگین خطای مطلق، میانگین درصد خطای مطلق و میانگین ریشه مربعات خطا، بهتر از مدل های دیگر(شامل: تبدیل موجک، میانگین متحرک خود رگرسیون، رگرسیون چندجمله ای، مدل نایو) است.

Keywords:

تبدیل موجک , طیف تکین , رگرسیون بردار پشتیبان , سری زمانی قیمت های نویزدار