پیش بینی سری های زمانی آشوبی با استفاده از بهینه سازی کلونی مورچگان در بورس اوراق بهادار تهران

وجود روش های مناسب پیش بینی روندهای آینده بازار سرمایه منجر به تصمیم گیری های بهتری از جانب فعالان این بازارها خواهد شد. اغلب به دلیل ماهیت غیر خطی و آشوب گونه بازارهای مالی مدل های کلاسیک پیش بینی عملکرد مطلوبی نداشته و اطلاعات موجود در داده ها با گذشت زمان به سرعت از بین رفته و در این صورت استفاده از آن ها در بلند مدت مفید نخواهد بود ]1، ص 64[. هدف این مقاله به کار بردن الگوریتم بهینه سازی کلونی مورچگان برای پیش بینی شاخص کل بورس اوراق بهادار تهران است. برای به کاربردن الگوریتم نخست با به کارگیری آزمون بزرگ ترین نمای لیاپانوف ماهیت آشوبی داده های شاخص کل بورس مورد بررسی قرارگرفت، سپس با به کارگیری الگوریتم بهینه سازی کلونی مورچگان نقاط جاذب تحلیل و در نهایت با استخراج دنباله های اعداد منتهی به نقاط جاذب پیش بینی انجام شد. در پایان مقایسه نتایج پیش بینی با استفاده از آماره های سنجش خطا تأیید کرد که الگوریتم مبنی بر بهینه سازی کلونی مورچگان داده ها را به خوبی و با کمترین خطا نسبت به مدل های گارچ تخمین می زند ، البته نتایج بررسی با استفاده از آماره دایبولد ماریانو برابری نتایج پیش بینی را رد نکرد. الگوریتم ارائه شده این مقاله با تفکیک دنباله های جاذب روشی ساختارمند برای پیش بینی سیستم های آشوبی ارائه می دهد، بنابراین انتظار می رود که در بلند مدت و در پیش بینی های با نوسان های زیاد نتایج قابل قبولی ارائه دهد.