پیش‌بینی قیمت سهام با استفاده از روش‌های شبکه‌های عصبی و الگوریتم جستجوی سنجاب

اقتصاد پولی مالی

مقاله 13، دوره 31، پاییز و زمستان 1403 - شماره پیاپی 28، دی 1403

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/mfe.2024.75274.1167

نویسندگان

هما مهتری زاده¹؛ نجمه منصوری^{* 2}؛ سید محمد مهدی حسینی³؛ راضیه دلپسند⁴

¹گروه ریاضی کاربردی، دانشگاه شهید باهنر کرمان، کرمان، ایران

²هیات علمی دانشگاه شهید باهنر کرمان

³گروه ریاضی کاربردی، دانشگاه شهیدباهنر کرمان، کرمان، ایران

⁴دکتری تحقیق در عملیات، دانشگاه شهید باهنر کرمان، کرمان، ایران

چکیده

سرمایه‌گذاری بر روی سهام عرضه شده در بازار بورس اوراق بهادار یکی از پرسود‌ترین سرمایه‌گذاری‌ها در بازار‌های مالی و سرمایه است. با این حال رفتار قیمت سهام یکی از پیچیده‌ترین سازوکارهایی است که محققان و پژوهشگران بر روی آن مطالعه کردند. این بازار همواره رفتاری غیر قابل پیش‌بینی و آشوبگرانه و غیرخطی از خود نشان می‏‌دهد زیرا تحت تأثیر شرایط اقتصادی، سیاسی، صنعتی و ... است. در این تحقیق سعی شده با استفاده از شبکه‌های عصبی پرسپترون چندلایه و المان قیمت بسته شدن سهم در روزهای آینده پیش‌بینی شود. وزن‌های شبکه‌های عصبی به کار رفته در این مقاله با استفاده از الگوریتم جستجوی سنجاب بهینه شده‌اند که باعث افزایش سرعت و دقت شبکه‌های عصبی می‌شود. نتایج حاصل با معیارهای میانگین مربعات‏، جذر میانگین مربعات، میانگین مطلق خطا و درصد میانگین مطلق خطا مورد ارزیابی قرار می‌گیرند. همچنین روش پیشنهادی با الگوریتم‌های فراابتکاری ازدحام جمعیت، ژنتیک، گرگ خاکستری و کلونی زنبور عسل مقایسه می‌شوند تا نشان دهد بهینه‌سازی وزن‌های شبکه با استفاده از الگوریتم جستجوی سنجاب به طور میانگین 72% برای شرکت‌های مخابرات ایران، صنایع ملی مس ایران، بین‌المللی محصولات پارس، هلدینگ غدیر و فولاد هند نتیجه بهتری نسبت به سایر روش‌ها دارد. همینطور در مقایسه شبکه عصبی پرسپترون چندلایه با شبکه عصبی المان، شبکه عصبی المان به طور میانگین 27% نتیجه بهتری نسبت به شبکه عصبی پرسپترون چند لایه دارد.

کلیدواژه‌ها

الگوریتم‌ جستجوی سنجاب؛ الگوریتم‌های فراابتکاری؛ پیش‌بینی؛ شبکه‌های عصبی مصنوعی

مراجع