پیش‌بینی روند تغییرات قیمت سهام با به‌کارگیری شاخص‌های تحلیل تکنیکی و استفاده از روش ترکیبی الگوریتم ژنتیک و شبکه عصبی مصنوعی: مطالعه موردی سهام ایران خودرو

Authors

  • سید مهدی همایونی استادیار، گروه مهندسی صنایع، واحد لنجان، دانشگاه آزاد اسلامی، اصفهان،
Abstract:

همواره پیش‌بینی دقیق روند بازار سهام برای تصمیم‌گیری‌های مالی سرمایه‌گذاران مهم بوده است. استفاده از مجموعه‌ای از شاخص‌های تحلیل تکنیکی یکی از پرکاربردترین روش‌های پیش‌بینی‌های مالی است. تعیین پارامترهای مناسب این شاخص‌ها و همچنین ترکیب آن‌ها یکی از چالش‌های پژوهشگران است. از طرف دیگر، ماهیت غیرخطی و پویای تغییرات در روند بازار سهام موجب استفاده گسترده از روش‌های پیش‌بینی غیرخطی همچون شبکه عصبی مصنوعی شده است. با وجود استفاده گسترده از شاخص‌های تحلیل تکنیکی به عنوان ورودی شبکه‌های عصبی مصنوعی، تاکنون بهینه‌سازی پارامترهای شاخص‌های تحلیل تکنیکی به عنوان ورودی شبکه عصبی مصنوعی پژوهش نشده است. با توجه به روند تغییرات انحصاری سهام یک شرکت نسبت به سایر شرکت‌ها، استفاده از مجموعه پارامترهای پیش‌فرض یا یکسان برای تمام انواع سهام منطقی نیست. در این پژوهش، پارامترهای مجموعه‌ای از شاخص‌های تحلیل تکنیکی برای سهام یک شرکت با استفاده از الگوریتم ژنتیک بهینه شده است و به شبکه عصبی مصنوعی به عنوان ورودی داده ‌می‌شود. از این روش ترکیبی برای پیش‌بینی روند تغییرات قیمت سهام روز بعد استفاده شده است. در این روش، فرض شده است که فرد سرمایه‌‌گذار براساس پیش‌بینی تصمیم می‌گیرد، که روز بعد، سهام را بخرد، بفروشد، یا نگه‌ دارد. برای ارزیابی عملکرد روش ترکیبی ارائه شده، از یک شبکه عصبی مصنوعی با استفاده از شاخص‌های تحلیل تکنیکی با پارامترهای پیش‌فرض نیز جهت پیش‌بینی روند تغییرات قیمت سهام استفاده شده است. این دو روش برای داده‌های واقعی سهام شرکت ایران خودرو اجرا شده که نتایج نشان دهنده برتری روش ترکیبی با 25.1% کاهش در خطای پیش‌بینی نسبت به روش ساده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می­باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده­های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده­های مربوط به 316 شرکت از نخستین رو...

full text

طراحی سیستم معاملات تکنیکی سهام با استفاده از مدل ترکیبی شبکه عصبی MLP و الگوریتم‌های تکاملی

توسعه سیستم­های معاملاتی سهام با استفاده از الگوریتم­های تکاملی (EA) طی چند سال اخیر به موضوعی پرمخاطب در حوزه مالی مبدل ‌شده است. در پژوهش حاضر، سیستم معاملاتی تکنیکی هوشمند با بهره­گیری از مدلی مرکب از شبکه عصبی MLP و الگوریتم‌های تکاملی شامل الگوریتم ژنتیک (GA)، الگوریتم بهینه‌سازی مورچگان پیوسته (ACOR) و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) پیشنهادشده است. داده‌های مربوط به 15 ش...

full text

پیشبینی تغییرات قیمت سهام با استفاده از شبکه عصبی مصنوعی و گشتاورهای متغیر تصادفی

در این پایان نامه به بررسی پیشبینی قیمت سهام توسط شبکه عصبی پرداخته شد، هدف اصلی پاسخ به این پرسش بود که آیا می توان با استفاده از شبکه های عصبی و با استفاده از خواص آماری داده ها برای داده های ورودی به شبکه، برای تصمیم گیری در کشف قواعد نهفته در حرکات قیمت استفاده نمود، بطوریکه درصد صحت پیشبینی ها بیشتر از 50 % (روش تصادفی ) باشد برای این منظور از شبکه عصبی پیشخور با روش پس انتشار خطا استفاده ...

استفاده از الگوریتم ترکیبی عصبی کرم شب‌تاب و روش رگولاسیون بیزین جهت پیش‌بینی قیمت سهام

پیش‌بینی قیمت سهام در آینده هم برای خریداران سهام و هم برای فروشندگان آن از اهمیت بالایی برخوردار است. از این رو، جهت توسعه مدلی مبتنی بر هوش مصنوعی به منظور پیش‌بینی قیمت سهام در بازار ایران از شبکه‌های عصبی مصنوعی در این پژوهش استفاده گردیده است. از آنجایی که شبکه‌های عصبی مصنوعی می‌بایست جهت حصول بهینه‌ترین عملکرد دارای بهترین توپولوژی شبکه باشند، از الگوریتم فرا اب...

full text

پایش قیمت سهام با استفاده از مدل های تحلیل ممیزی خطی، تحلیل ممیزی درجه دوم و الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی در بورس اوراق بهادار تهران

در این مقاله از مدل تحلیل ممیزی DA 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی ANN-GA  2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شده است. در این پژوهش،ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخابو اطلاعات مربوط به شاخص های قیمت و بازده نقدی  TEDPIX ، قیمت پایانی، نوسان قیمت پایانی و حجممعاملات در با...

full text

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue شماره 22، پاییز 1396

pages  59- 70

publication date 2017-12-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023