پیش بینی قیمت سهام در بورس تهران با استفاده از شبکه عصبی بازگشتی بهینه شده با الگوریتم کلونی زنبور عسل مصنوعی

نویسنده: باباجانی، جعفر ؛ تقوا، محمدرضا ؛ بولو، قاسم ؛ عبدالهی، محسن ؛

چکیده:

این پژوهش با رویکرد ترکیبی، با به‌کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش­بینی قیمت سهام در بورس تهران است. برای این منظور با استفاده از داده‌های سهام پذیرفته‌شده در بازار اول تابلوی اصلی بورس تهران که طی سال­های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مؤلفه­های تکنیکال و بنیادی متعدد، با به‌کارگیری فرآیند رگرسیون-همبستگی قدم‌به‌قدم (SRCS)، مؤلفه­های مؤثر بر قیمت سهام انتخاب‌شده و به‌عنوان ورودی مدل تعریف می­شود. در مرحله بعد، الگوریتم کلونی زنبورعسل مصنوعی (ABC) در یک فضای طراحی پارامتری، برای بهینه کردن وزن­ها و تورش­های شبکه عصبی بازگشتی بکار گرفته می­شود. برای ارزیابی عملکرد مدل، از چندین معیار برای سهام شرکت­های پذیرفته‌شده در بورس تهران استفاده می­شود. نتایج نشان‌دهنده آن است که استفاده از شبکه عصبی بهینه‌شده با الگوریتم کلونی زنبورعسل مصنوعی، دقت قابل‌ملاحظه‌ای در مقایسه با سایر روش­های پیش­بینی دارد.

کلیدواژه ها:

پیش بینی قیمت سهام ، رگرسیون-همبستگی قدم به قدم (SRCS) ، شبکه عصبی بازگشتی (RNN) ، الگوریتم کلونی زنبور عسل مصنوعی (ABC)