پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 333

فایل این مقاله در 31 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEMR-6-22_003

تاریخ نمایه سازی: 20 آبان 1397

چکیده مقاله:

در بازارهای سرمایه عامل های مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطامواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عامل های تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم ترین مسایلی است که هر سهام داریا سرمایه گذار در بازار بورس بایستی به آن توجه ویژه داشته باشد. تاکنون روش های مختلفی جهت نیل به این اهداف معرفی شده اند که اغلب روش های آماری، هوشمند و ترکیبی هستند. الگوریتم پیشنهادی یک روش ترکیبی است که شامل دو بخش است بخش اول پیش پردازش و بخش دوم پیش بینی کننده است. در پیش پردازش سه فرآیند جاگذاری داده های غیر موجود، نرمالیزه کردن و انتخاب ویژگی به ترتیب انجام می شود. از آنجایی که تعداد ویژگی های بکار برده شده زیاد است از روش الگوریتم ژنتیک برای انتخاب ویژگی و کاهش ابعاد فضای ویژگی استفاده شده است. در بخش پیش بینی کننده، با توجه به قابلیت پیش بینی هوشمند شبکه عصبی - فازی، از این شبکه با دو ساختار ممدانی و سوگنو بعنوان پیش بینی کننده قیمت سها م بهره می بریم که قابلیت استخراج قواعد فازی بصورت خودکار دارد. آموزش پارامترهای مقدمه و نتیجه شبکه برپایه الگوریتم پس انتشار خطا (گرادیان نزولی) می باشد.الگوریتم پیشنهادی با استفاده از داده های 10 شرکت که هر کدام از آنها دارای 7ویژگی می باشند، ارزیابی شده است. نتایج شبیه سازی نشان می دهد که با توجه به نوعشرکت ها، ویژگی های انتخابی و نوع ساختار شبکه عصبی فازی ترکیبی نتایج متفاوتی بدستمی آید. با توجه به معیارهای مورد ارزیابی، نتایج به دست آمده برتری شبکه عصبی فازیترکیبی را به شبکه عصبی فازی ساده نشان می دهد، اما بطور کلی پیش بینی کننده باساختار سوگنو با الگوریتم ژنتیک دارای عملکرد بهتری نسبت به ساختار ممدانی دارد،چون تعداد پارامترهای آموزش ساختار سوگنو بیشتر است.

کلیدواژه ها:

نویسندگان

احمد عاملی

استادیار دانشکده اقتصاد دانشگاه خوارزمی،

ملیحه رمضانی

دانشجوی کارشناسی ارشد سیستم های اقتصادی اجتماعی، دانشگاه خوارزمی