پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

پیش­بینی نوسان های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان بهینه شده به وسیله الگوریتم حرکت تجمعی ذرات می­باشد. در برازش مدل رگرسیون بردار پشتیبان، سه پارامتر توضیحی وجود دارد که باید ترکیبی از این سه پارامتر توسط کاربر و به صورت آزمایش و خطا انتخاب شود تا دقت مدل را به بیشترین حد خود برساند. با توجه به زمان­بر بودن و کارایی پایین انتخاب پارامتر توسط کاربر، برای انتخاب ترکیب بهینه پارامترهای مدل رگرسیون بردار پشتیبان، از روش بهینه­سازی حرکت تجمعی ذرات استفاده شده است که الگوریتمی قوی در حوزه بهینه­سازی می­باشد. با توجه به حجم زیاد داده­های ورودی به مدل برای کاهش زمان یادگیری و افزایش دقت پیش­بینی، با استفاده از روش آنالیز مولفه­های اصلی، پیش­پردازش روی متغیرهای ورودی صورت گرفته و به مولفه­های اصلی تبدبل شده است. نتایج بدست آمده نشان داد که پیش­پردازش روی دادها، خطای پیش­بینی مدل را به طور قابل ملاحظه­ای کاهش داده است.