بررسی خطای پیش‌بینی تغییرات شاخص قیمت سهام در صنعت مواد و محصولات دارویی با استفاده از الگوریتم‌های هوش مصنوعی

مقدمه: شاخص قیمت سهام بورس نشان‌دهنده وضعیت اقتصادی کلی یک کشور است. به همین دلیل، پیش‌بینی این شاخص برای سرمایه‌گذاران از اهمیت بسزایی برخوردار است. هدف پژوهش حاضر پیش‌بینی تغییرات شاخص قیمت سهام در بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی است. روش پژوهش: برای انجام این پژوهش از داده‌های شرکت‌های 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 بهینه‌سازی حرکت دسته‌جمعی ذرات انتخاب شد. این الگوریتم ترکیب بهینه‌ای از متغیرهای تأثیرگذار را شناسایی کرده که متغیرهای مستقل این پژوهش است. سپس، داده‌های مربوط به متغیرهای انتخاب شده به طور جداگانه به الگوریتم‌های کرم شب‌تاب، توابع پایه شعاعی، شبکه‌های چند لایه پرسپترون، رقابت استعماری و شبکه تطبیقی بر اساس نظام‌های با منطق فازی وارد شد و این الگوریتم‌ها آموزش داده شد. در ادامه، الگوریتم‌های مذکور با داده‌های ارزیابی، آزموده شده و به این ترتیب خطای پیش‌بینی مشخص و بر اساس آن به مقایسه روش‌ها پرداخته شد. برای این منظور از نرم‌افزارهای متلب نسخه‌های 6 و 7 و  SPSSنسخه 11 استفاده شد. یافته‌ها: استفاده از متغیرهای تأثیرگذار بر پیش‌بینی تغییرات شاخص قیمت سهام در الگوریتم‌های مورد استفاده در پژوهش حاضر توانسته است خطای پیش‌بینی تغییرات شاخص قیمت سهام در سطح صنعت مواد و محصولات دارویی را کاهش دهد. نتیجه‌گیری: نتایج پژوهش نشان می‌دهد که الگوریتم رقابت استعماری عملکرد بهتری نسبت به سایر الگوریتم‌ها دارد. هم‌چنین، الگوریتم‌های پیشنهادی در مجموع توانایی بالایی در پیش‌بینی شاخص قیمت سهام دارد و خروجی داده‌ها برای الگوریتم رقابت استعماری، ضریب همبستگی 9404/0 را نشان می‌دهد.   واژه‌های کلیدی: الگوریتم‌های فازی، تغییرات شاخص قیمت سهام، مواد و محصولات داروی.