استفاده از جنگل های تصادفی جهت پیش بینی شاخص کل بازار بورس ایران

هدف فعالان بازار بورس کسب سود مناسب از سرمایه گذاری خود در سهام شرکت های مورد معامله می باشد. برای سرمایه گذاری مناسب، فرد بایستی ابتدا شرایط کلی بازار، شرایط صنعتی که سهم در آن قرار دارد و در نهایت وضعیت سهم مورد نظر را بررسی کند. وضعیت کلی بازار بورس را می توان از شاخصی تحت عنوان قیمت شاخص کل که ترکیبی از تمام سهام موجود در بازار است فهمید. روش های گوناگونی برای پیش بینی قیمت شاخص کل بازار استفاده شده است. در اغلب این روش ها از داده های عددی بازار از جمله قیمت شاخص، حجم معاملات و تعداد معاملات استفاده شده است. در روش های جدید پیش بینی با استفاده از اطلاعات کیفی یعنی اخبار و گزارشات اقتصادی انجام می شود. در این تحقیق ابتدا سیستمی طراحی شده است تا اخبار بازار بورس ایران را از تارنماهای مختلف جمع آ وری کند. سپس این اخبار طوری دسته بندی می شوند که مسائل داخلی و خارجی کشور از جمله نفت، طلا، ارز، فلزات و بازار های جهانی را تحت پوشش قرار دهند. در این مرحله اخبار پیش پردازش شده و به داده هایی مناسب برای ورود به یک سیستم آموزشی تبـدیل می شوند. الگوریتم مورد استفاده برای آموزش و ساخت مدل، جنگل تصادفی نام دارد که در سال 2001 توسط briemen پیشنهاد شده است. در نهایت مدل طراحی شده برای پیشگویی جهت حرکت قیمت شاخص کل بازار استفاده می شود. در این تحقیق با استفاده از مدل جنگل تصادفی توانستیم با 62% دقت، جهت قیمت شاخص کل بازار بورس ایران را پیش بینی نماییم که نتیجه ای بسیار امیدوار کننده است. همچنین جنگل تصادفی را با مدل های naive bayes و شبکه عصبی مقایسه کردیم که این مدل از دو مدل مذکور نتیجه ی بهتری به همراه داشت.