بررسی خطای پیش بینی تغییرات شاخص قیمت سهام در صنعت مواد و محصولات دارویی با استفاده از الگوریتم های هوش مصنوعی

مقدمه: شاخص قیمت سهام بورس نشان دهنده وضعیت اقتصادی کلی یک کشور است. به همین دلیل، پیش بینی این شاخص برای سرمایه گذاران از اهمیت بسزایی برخوردار است. هدف پژوهش حاضر پیش بینی تغییرات شاخص قیمت سهام در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی است. روش پژوهش: برای انجام این پژوهش از داده های شرکت های صنعت مواد و محصولات دارویی پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1391-1385 استفاده شده است. از بین 48 متغیر ورودی 10 متغیر به وسیله الگوریتم بهینه سازی حرکت دسته جمعی ذرات انتخاب شد. این الگوریتم ترکیب بهینه ای از متغیرهای تأثیرگذار را شناسایی کرده که متغیرهای مستقل این پژوهش است. سپس، داده های مربوط به متغیرهای انتخاب شده به طور جداگانه به الگوریتم های کرم شب تاب، توابع پایه شعاعی، شبکه های چند لایه پرسپترون، رقابت استعماری و شبکه تطبیقی بر اساس نظام های با منطق فازی وارد شد و این الگوریتم ها آموزش داده شد. در ادامه، الگوریتم های مذکور با داده های ارزیابی، آزموده شده و به این ترتیب خطای پیش بینی مشخص و بر اساس آن به مقایسه روش ها پرداخته شد. برای این منظور از نرم افزارهای متلب نسخه های 6 و 7 و  spssنسخه 11 استفاده شد. یافته ها: استفاده از متغیرهای تأثیرگذار بر پیش بینی تغییرات شاخص قیمت سهام در الگوریتم های مورد استفاده در پژوهش حاضر توانسته است خطای پیش بینی تغییرات شاخص قیمت سهام در سطح صنعت مواد و محصولات دارویی را کاهش دهد. نتیجه گیری: نتایج پژوهش نشان می دهد که الگوریتم رقابت استعماری عملکرد بهتری نسبت به سایر الگوریتم ها دارد. هم چنین، الگوریتم های پیشنهادی در مجموع توانایی بالایی در پیش بینی شاخص قیمت سهام دارد و خروجی داده ها برای الگوریتم رقابت استعماری، ضریب همبستگی 9404/0 را نشان می دهد.   واژه های کلیدی: الگوریتم های فازی، تغییرات شاخص قیمت سهام، مواد و محصولات داروی.