مقایسه ساختارهای ترکیب موازی مدل های کلاسیک آماری و هوش محاسباتی در پیش بینی قیمت سهام

ترکیب مدل های مختلف یک استراتژیک موثر به منظور بهبود دقت پیش بینی هاست. یکی از مهمترین شاخه های مدل های ترکیبی ارایه شده درادبیات مو ضوع مربوط به ترکیب موازی مدل های کلاسیک آماری و هوش محاسباتی است. در این روش ترکیب مقادیر پیش بینی شده تو سط هریک از مدل های تکی با استفاده از روشهای وزن دهی، به صورت خطی با یکدیگر ترکیب شده و پیش بینی های نهایی حاصل می شوند. در این مقالهساختارهای ترکیب موازی مدل های خودرگرسیون میانگین متحرک انباشته و شبکه عصبی مصنوعی که به ترتیب از مهمترین مدل های کلاسیکآماری و هوشمند در پیش بینی سری های زمانی می باشند، با به کارگیری روشهای وزن دهی الگوریتم ژنتیک، مدل رگرسیونی و وزن های یکسان، درمعیارهای هزینه محاسباتی و دقت مدلسامی با یکدیگر مقایسه شده اندی نتایج حاصله در پیش بینی شاخص قیمت سهام داووجونز حاکی از آن استکه علیرغم برتری مدل های ترکیبی نسبت به مدل های تشکیل دهنده آنها، مدل ترکیبی با به کارگیری روش وزندهی رگرسیون عملکرد بهتری رااز خود نشان میدهد.

Keywords:

مدل های ترکیبی , روش ترکیب موازی , مدل های کلاسیک آماری و هوش محاسباتی , مدل خودرگرسیون میانگین متحرک انباشته , شبکه های عصبی مصنوعی , پیش بینی قیمت سهام