روشی جدید برای پیش بینی آماری بازار بورس بوسیله الگوریتم ترکیبی شبکه های عصبی مصنوعی و بهینه سازی گروه ذرات

پیش بینی و مدل سازی فرایندهای اقتصادی یکی از زمینه های مورد علاقه پژوهشگران حوزه اقتصاد می باشد این کار به مدد استفاده از الگوریتم های هوش مصنوعی ما را به سمت افق های جدیدی رهنمون ساخته است از تکنیکهای حل این مساله و بطور خاص مسائل بورس، الگوریتم های مبتنی بر شبکه های عصبی مصنوعی (ANN) و همچنین الگوریتم های مبتنی بر هوش جمعی، (PSO) می باشد آموزش وزنهای شبکه عصبی و تعیین میزان موفقیت شبکه عصبی تولید شده به عنوان یک ابزار پیش بینی در بازار سهام هدف نهایی ما دراین مقاله به حساب می آید بدین منظور یک شبکه عصبی مصنوعی سه لایه تولید می شود که وزنهای آن با الگوریتم بهینه سازی گروه ذرات محاسبه و تثبیت می شود و این شبکه عصبی مصنوعی برای پیش بینی قیمت در بازار بوس تهران طراحی و پیاده سازی شده است داده هایی که مورد استفاده قرا رگرفته اند قیمتهای روزانه چهارسهام انتخابی از بازا ر بورس تهران و مقادیر روزانه شاخص کل قیمت در یک بازه 300 روزه میباشند. نتایج حاصل نشان میدهد که قیمتهای روزانه سهام انتخابی در یک بازه کوتاه مدت براساس قیمتهای گذاشته قابل پیش بینی است که این موضوع نشان دهنده قابل پیش بینی بودن فرایندهای اقتصادی با دقت مناسب است. مقایسه این روش با روشهای گذاشته نشان دهنده دقت بالاتر الگوریتم پیشنهادی در پیش بینی قیمت سهام می باشد و دیگر اینکه سرعت آموزش شبکه عصبی در روش پیشنهادی بالاتر از روشهای کلاسیک آموزش شبکه عصبی می باشد.

Keywords:

الگوریتم بهینه سازی گروه ذرات , شبکه های عصبی مصنوعی , پیش بینی بازاربورس , روشهای ترکیبی