یک رویکرد جامع داده کاوی برای پیش بینی شاخص سهام در بورس تهران

بورس اوراق بهادار یکی از اصلی ترین مراکز مالی است که ویژگی بارز آن تولید دائمی داده های مختلف و متنوع مالی است. در این مقاله به ارائه یک روش جامع داده کاوی برای پیشبینی شاخص سهام در بورس تهران پرداختهایم. اساسا شاخص سهام از متغیرهای شناخته شده و حتی ناشناخته بسیار زیادی تاثیر میپذیرد. ابتدا با مرور شاخصهای تعیین کننده در نوسانات شاخص اصلی سهام سعی کردهایم نوع و چگونگی الگوهای تاثیرگذار را استخراج کنیم. ابتدا ساختاری سودمند برای دادههای موجود پیشنهاد دادهایم. سپس برای برای استخراج دانش پهان از روشی مبتنی بر شبکههای عصبی MLP استفاده کردهایم. روش پیشنهادی که شبکه عصبی پرسپترون چندلایه چندبخشی (MSMLP) نامگذاری شده است، باکمک تعدادی از شبکه های MLP به کاوش در فضای پنهان بین مجموعه داده های مختلف پرداخته و برای پیشبینی شاخص اصلی سهام و شاخص سهام گروههای مختلف سرمایه آموزش می بیند. پس از مدلسازی روش پیشنهادی آن را به طور عملی روی مجموعه داده های بورس تهران از تاریخ 90/1/1 الی 92/6/31 در یک بازه زمانی 30 ماهه اجرا کرده ایم. سپس قابلیت آن را برای پیشبینی شاخص اصلی سهام تهران در مهرماه سال 92 مورد سنجش قرار دادهایم. نتایج حاصل از اجرای معماری MSMLP خطای 3.66 درصدی را برای پیشبینی شاخص سهام نشان میدهد.

Keywords:

شاخصهای اقتصادی , شاخص سهام , بورس اوراق بهادار تهران , داده کاوی , شبکه عصبی چند لایه