محمدرضا طالبی خارزنی - کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه صنعتی خواجه نصیر طوسی،تهران،ایران
منیره حسینی - عضو هیئت علمی دانشگاه صنعتی خواجه نصیر طوسی،تهران،ایران

بازار سرمایه، به دلیل داشتن خواص بسیاری از جمله عدم نیاز به سرمایه زیاد و سوددهی بالا به بستر مناسبی برای سرمایه گذاری تبدیل شده است. همین امر باعث تقاضای بالاتر برای اطلاعات، تلاش بیشتر برای پیش بینی و ابداع مدل های جدید برای پیش بینی آینده بازار شده است. پیش بینی بازار سرمایه به دلیل وجود انبوهی از سرمایه گذاران با دیدگاه های متفاوت و اثرگذار بودن تعداد زیادی از متغیرها که عملا بررسی همه آنها ممکن نیست، کاری دشوار و چالش برانگیز می باشد. به طور کلی می توان گفت که تلاش های صورت گرفته تا زمان فعلی، در سه دسته برای پیش بینی بازار سرمایه قرار می گیرند. دسته اول از تحلیل تکنیکی، دسته دوم از تحلیل بنیادین و دسته سوم از مدل های ریاضی استفاده می کنند. تلاش برای افزایش قابلیت های مدل های موجود با استفاده از تلفیق این مدل ها با یکدیگر، روند تازه ای است که نتایج رضایت بخشی را نیز به دنبال داشتهاست. بیشتر این تلاش ها در جهت پیش بینی قیمت ها برای یک دوره جلوتر با استفاده از تحلیل تکنیکی و تحلیل بنیادی در چارجوب مدل های ریاضی و هوش مصنوعی قرار می گیرند. در همین راستا در پژوهش پیش رو ، هدف مقایسه پیش بینی بازده بازار سهام با استفاده از روش منفرد و توام داده کاوی و الگوریتم ژنتیک در بازار سهام تهران می باشد تا مشخص شود که کدام روش پیش بینی دقیق تری را ارائه می دهد . در این پژوهش مشخص شد الگوریتم ژنتیکی که در آن از تابع سیگموید استفاده شده و توسط شبکه عصبی آموزش داده شده است بهترین الگوریتم ژنتیک می باشد که با اطمینان بسیار بالایی می تواند برای پیش بینی بازده سهام با الگوریتم ژنتیک مورد استفاده قرار گیرد .

پیش بینی؛ شبکه عصبی؛ داده کاوی؛ الگوریتم ژنتیک؛ بورس تهران