طراحی یک سیستم هوشمند جدید جهت معاملات در بازار سهام با رویکرد داده-کاوی

اهمیت ویژه بازار بورس در توسعه اقتصادی از طریق هدایت موثر سرمایه و تخصیص بهینه منابع غیر قابل انکار است. سرمایه-گذاری در بازار بورس مستلزم تصمیم گیری در خصوص خرید سهام جدید و یا فروش سهام موجود می باشد که این خود نیازمند دستیابی به اطلاعاتی در خصوص وضعیت آینده قیمت بازار سهام می باشد. لذا در صورتی که بتوان روند آتی بازار سهام را با روش-های مناسب پیش بینی نمود، سرمایه گذار می تواند وضعیت آتی، زمان و میزان سرمایه گذاری را به گونه ای تامین نماید که بازده حاصل از سرمایه گذاری او بیشینه گردد. ویژگی اصلی بازار سهام، عدم اطمینان است، هر چند این امر برای سرمایه گذاران ناخوشایند است ولی زمانی که بازار سهام به عنوان محل سرمایه گذاری انتخاب می شود، به امری اجتناب ناپذیر تبدیل می شود، که در این موارد باید به دنبال بهترین ابزارها بود تا بتوان با استفاده از آنها عدم اطمینان را کاهش داد. پیش بینی بازار سهام یکی از ابزارهای این فرایند است. امروزه مدل های ترکیبی هوش مصنوعی، بدلیل انعطاف پذیری بالا و توانایی تخمین دقیق روابط غیرخطی بدون نیاز به فرضیات و محدودیت های روش های سنتی از قبیل سری های زمانی و ... به رویکردی غالب در مسأله پیش بینی تبدیل شده اند. در این پایان نامه ارائه یک مدل ترکیبی هوش مصنوعی به نام dfis، برای ساخت یک سیستم خبره فازی جهت پیش بینی و تخمین رفتار قیمت سهام با رویکرد فنی مد نظر است. این مدل ترکیبی با بکارگیری یک سیستم فازی – ژنتیک و تکنیک های داده کاوی مانند فیلترسازی نویز، روش رگرسیون گام به گام و همچنین الگوریتم خوشه بندی ایجاد می شود. از الگوریتم ژنتیک برای یادگیری قواعد فازی و تنظیم توابع عضویت متغیرها استفاده می شود و از تکنیک های داده کاوی جهت صافی کردن داده ها، انتخاب متغیرهای ورودی به مدل و کاهش اثرات مربوط به نویز در آنها استفاده می شود. این مدل ترکیبی قادر است روندهای غیرخطی در داده های قیمت سهام را شناسایی کرده و به عنوان یک سیستم خبره جهت تصمیم گیری در حوزه سهام به کار گرفته شود. برای ارزیابی مدل ترکیبی ارائه شده از داده های قیمت سهام شرکت ibm استفاده شده است. مقایسه نتایج حاصل از مدل ارائه شده ، شبکه های عصبی فازی تطبیقی، الگوریتم پرواز پرند گان و الگوریتم ژنتیک و مدل های ارائه شده در مقالات دیگر که پیش بینی قیمت سهام این شرکت را انجام داده اند حاکی از عملکرد بهتر مدل ارائه شده در این پایان نامه نسبت به مدل های قبلی بر اساس دو معیارmape و آزمون های ناپارامتری است و بنابراین می توان مدل ارائه شده در این پایان نامه را به عنوان ابزاری قدرتمند جهت پیش بینی و تخمین رفتار قیمت سهام بکار گرفت.