ناصر قناد - دانشگاه آزاد اسلامی واحد مشهد
مهدی یعقوبی - دانشگاه آزاد اسلامی واحد مشهد
محمدرضا اکبرزاده توتونچی - دانشگاه فردوسی مشهد

امروزه پیش بینی روندبورس به علت متغیربودن با زمان و وجود نویز درداده ها و زیادبودن متغیرهای تاثیرگذاریک چالش محسوب میشود برای این منظور مقالات متفاوتی درزمینه انتخاب ویژگی معرفی شده که صحت های متفاوتی ازخود نشان داده اند مادراین جا ازروش انتخاب ویژگی انتروپی فازی استفاده کرده و سپس با استفاده از ترکیب ANFIS,SVM به دسته بندی روندبازار پرداختیم به منظور پیدا کردن بهترین پارامترهای sVM ازالگوریتم ژنتیک اشوبناک استفاده کردیم که درآن ازنگاشت لوجستیک دربخش جهش و تولیدجمعیت اولیه استفاده کردیم روش ارایه شده روی داده سهام شانگهای علاوه براستفاده ازیک ویژگی کمترصحت را 13درصد بهبود میدهد و همچنین روش غیرترکیبی نیز با یک ویژگی کمترصحت را 5درصد نسبت به مقاله ی قبل بهبود داد

پیش بینی روندبورس، ماشین بردارپشتیبان FUZZY entropy measure, ANFIS,SVM، انتخاب ویژگی