رضا حقیقی نیت - کارشناس ارشد هوش مصنوعی-گروه کامپیوتر-موسسه آموزش عالی علمی کاربردی جهاد دانشگاهی-مرکز مشهد، مشهد، ایران
مژگان خنده خوش - کارشناس ارشد حسابداری-گروه حسابداری-موسسه آموزش عالی علمی کاربردی جهاد دانشگاهی-مرکز مشهد، مشهد، ایران

به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش بینینتایج خوبی به همراه ندارد. به همین دلیل محققان با ارایه ی مدل های ترکیبی سعی در ارایهی سیستمی با پیچیدگی کمتر وکارایی و دقت بیشتر کردهاند. در اکثر مدل های پیش بینی کننده، سیستم فقط با استفاده از اطلاعات یک شاخص بهپیش بینی پرداخته، ولی در مدل پیشنهادی یک سیستم دوسطحی از شبکه های عصبی پرسپترون چندلایه پیشنهاد میشود واز چندین شاخص برای پیش بینی استفاده می شود و همچنین برای آموزش بهتر شبکه ی عصبی و درنتیجه بهبود نتایجبه دست آمده، از الگوریتم بهینه سازی سنجاقک برای انتخاب بهترین نمونه ها برای آموزش شبکه عصبی استفاده شده استو نتایج به دست آمده نشان میدهد که مدل پیشنهادی توانسته با خطای پیش بینی پایین تری نسبت به دیگر مدل ها عمل کند.

الگوریتم تکاملی بهینه سازی سنجاقک، شبکه عصبی پرسپترون چندلایه، پیش بینی، سری زمانی