ابوطالب زندی - دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
حسین محسنی - استادیار گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالد ین طوسی، تهران

شاخص قیمت سهام نشان دهنده وضعیت کلی اقتصاد یک کشور است . افزایش این شاخص به معنی رونق و بهبود در اوضاع و احوال اقتصادی و کاهش آن بیانگر بحران و رکود است . از اینرو می توان نتیجه گیری کرد که پیش بینی این شاخص می تواند در تصمیم گیری های سرمایه گذاران، صاحبان صنایع و حتی تحلیلگران بازار سرمایه و اقتصاد مفید فایده واقع شود. اگرچه پژوهش های تجربی بسیاری در ارتباط با موضوع پیش بینی شاخص قیمت سهام صورت گرفته است . هدف این مطالعه ، بررسی کاربرد مدلها و روشهای نو در زمینه پیش بینی شاخص کل بورس اوراق بهادار تهران است . در این مقاله ، ضمن معرفی مدلها و روشهای مختلف از جمله شبکه عصبی ، شبکه حالت پژواک، هوش مصنوعی ، یادگیری ماشین ، زنجیره مارکف ، مدلهای پیوندی ، مدلهای واریانس ناهمسان شرطی خود رگرسیو، مدل انفیس ، مدل ترکیبی الگوریتم های فراابتکاری ، هوش مصنوعی و معادله پارامتریک موجک ، مدل ترکیبی شبکه یادگیری عمیق و مدلهای خانواده GARCH، الگوریتم بهینه سازی کاوش باکتری ، روش تحلیل طیفی تکین و الگوریتم ژنتیک ، روشهای هوشمند یادگیری عمیق ، روش هیبریدی نوین ، روش معادلات دیفرانسیل تصادفی بازگشت به میانگین خطی و غیرخطی و ARFIMA، الگوریتم پرواز پرندگان به بیان کاربردشان در زمینه پیش بینی شاخص کل بورس اوراق بهادار تهران خواهیم پرداخت . پژوهش حاضر از لحاظ هدف کاملا کاربردی بوده و از منظر مطالعات دانشگاهی ، در دسته مطالعات مبتنی بر پیشینه می باشد که به مرور ادبیات موضوع پرداخته و آن را تبیین می کند. در این پژوهش نشان خواهیم داد که چگونه استفاده از این تکنیک ها و روشها سبب بهبود پیش بینی شاخص کل بورس اوراق بهادار تهران گشته اند. همچنین ، این مقاله می تواند برای سایر پژوهش های تخصصی آتی در این حوزه به عنوان یک راهنمای مرجع در نظر گرفته شود.

پیش بینی ، شاخص کل ، بورس اوراق بهادار تهران، یادگیری ماشین ، الگوریتم های فراابتکاری