پیش بینی قیمت سهام در بورس تهران با استفاده از شبکه عصبی بازگشتی بهینه شده با الگوریتم کلونی زنبور عسل مصنوعی

این پژوهش با رویکرد ترکیبی، با به‌کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش­بینی قیمت سهام در بورس تهران است. برای این منظور با استفاده از داده‌های سهام پذیرفته‌شده در بازار اول تابلوی اصلی بورس تهران که طی سال­های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مؤلفه­های تکنیکال و بنیادی متعدد، با به‌کارگیری فرآیند رگرسیون-همبستگی قدم‌به‌قدم (SRCS)، مؤلفه­های مؤثر بر قیمت سهام انتخاب‌شده و به‌عنوان ورودی مدل تعریف می­شود. در مرحله بعد، الگوریتم کلونی زنبورعسل مصنوعی (ABC) در یک فضای طراحی پارامتری، برای بهینه کردن وزن­ها و تورش­های شبکه عصبی بازگشتی بکار گرفته می­شود. برای ارزیابی عملکرد مدل، از چندین معیار برای سهام شرکت­های پذیرفته‌شده در بورس تهران استفاده می­شود. نتایج نشان‌دهنده آن است که استفاده از شبکه عصبی بهینه‌شده با الگوریتم کلونی زنبورعسل مصنوعی، دقت قابل‌ملاحظه‌ای در مقایسه با سایر روش­های پیش­بینی دارد.