ارائه یک نسخه بهبود یافته از مدل فازی عصبی خطی محلی مبتنی بر تبدیل موجک گسسته به منظور پیش بینی سری های زمانی مالی

مدل فازی عصبی خطی محلی یک سیستم فازی با ساختار شبکـه های عصبی مصنوعی است که از امـتیاز محلی گرایی برای تقریب و شناسایی بهره می برد. درخت مدل خطی محلی یا LoLiMoT الگوریتمی بر پایه استراتژی تقسیم و غلبه برای ساخت مــدل های فازی عصبی خطی محلی می باشد. در ایـن الگوریتم حل مسأله پیـچیده با کمـک تقسیم مسـأله اصلی به زیرمــسأله های کوچکتر و ساده تر انجـام می شود. در راســتای بهبود دقت پیش بینی مدل های فازی عصبی خطی محلی، در این مقاله به معرفی الگوریتمی نوین می پردازیم. الگوریــتم پیشنهادی تحـت عنوانWavelet Local Linear Model Tree Discreteو به اختصار DWLoLiMoT معرفی می شود. الگوریتم ارائه شده مبتنی بر الگوریتم درخت مدل خطی محلی است، با این رویکرد که در افرازهای صورت گرفته در این الگوریتم هر بار ضمن پیدا کردن بهترین مدل خطی محلی، سعی داریم بهترین موجک مادر و سطح تجزیه، جهت انجام تبدیل موجک گسسته در افراز در نظر گرفته شده را بیابیم و با انجام مناسب ترین تبدیل موجک، دقت پیش بینی مدل را افزایش دهیم. در این مقاله جهت یافتن مناسب ترین موج مادر و سطح تجزیه، از الگوریتم ژنتیک استفاده شده است. جهت ارزیابی عملکرد مدل طراحی شده، از آن برای پیش بینی سری های مالی استفاده شده است. مجموعه داده های مورد استفاده در این مقاله دو تک سهم از بازار بورس تهران هستند که از سایت رسمی سازمان بورس اوراق بهادار به دست آمده اند. نتایج حاصل از شبیه سازی ها دلالت بر کارایی بالای روش مطرح شده در مقابل الگوریتم درخت مدل خطی محلی دارد.

Keywords:

مدل فازی عصبی خطی محلی , الگوریتم درخت مدل خطی محلی , تبدیل موجک گسسته , الگوریتم ژنتیک , پیش بینی بورس اوراق بهادار , سری های مالی