| شناسگر رکورد: | ۱۶۰۴۱ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | ترکیب الگوریتم های فراابتکاری و شبکه عصبی مصنوعی برای بهبود پیش بینی قیمت سهام |
| نويسنده: | میلاد شاهواروقی فراهانی |
| استاد راهنما : | دکتر سعید رحیمیان |
| دکتر بابک مجیدی | |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : |
۱۳۹۸ ۱۳۹۸ |
| چکیده: | قیمت سهم برای بسیاری از افراد و بنگاه ها اهمیت دارد؛ زیرا از طریق پیش بینی آن می توانند سودهای زیادی به دست آورند و سرمایه های خود را افزایش دهند. به همین دلیل است که توجه به حرکت قیمت سهم و تعیین دقیق آن مورد توجه بسیاری قرار گرفته است. گرچه حرکت قیمت سهم از عوامل متعدد و پیچیده ای پیروی می کند و این عوامل باعث سختی پیش بینی مسیر حرکت دقیق آن می شود. از این حیث، همواره سعی شده از مدل ها و روش های دقیق تر و نوین تری جهت پیش بینی قیمت سهم استفاده شود. هدف این پژوهش، ارزیابی اثربخشی استفاده از نماگرهای تکنیکال از جمله قیمت پایانی، پایین ترین قیمت، بیشترین قیمت، میانگین متحرک نمایی و ... در پیش بینی قیمت سهام شرکت ها است. جهت بررسی دقیق تر ارتباط بین نماگرهای تکنیکال و قیمت سهم در بازه زمانی مورد نظر، از الگوریتم های شبکه عصبی مصنوعی (ANN)، الگوریتم ژنتیک (GA)، الگوریتم ازدحام توده ذرات (PSO) و الگوریتم جستجوی هارمونی (HS) استفاده گردیده است. از الگوریتم ژنتیک، جهت انتخاب مناسب ترین نماگرها و به عبارتی بهتر، بهینه ترین نماگرها استفاده شده است. به همراه انتخاب نماگرهای بهینه، همزمان از الگوریتم های PSO و HS جهت آموزش شبکه عصبی و کمینه کردن خطای شبکه و به دست آوردن وزن های بهینه و تعداد مناسب لایه پنهان استفاده گردیده است. جهت امکان مقایسه عملکرد مدل ها و تعیین بهترین مدل از نظر میزان خطا، از ۸ معیار ارزیابی خطا مانند: میانگین مربعات خطا (MSE)، ریشه میانگین مربعات خطا (RMSE) و ... بهره برده شده است. بر اساس عملکرد آماری و ارزشیابی مدل ها، در مجموع، مدل ترکیبی شبکه عصبی مصنوعی مبنی بر الگوریتم جستجوی هارمونی (ANN-HS) و در کل، الگوریتم های فراابتکاری دارای عملکرد بهتری بوده اند. |
| واژگان کلیدی: | مدیریت مالی |
| مهندسی مالی | |
| مدیریت ریسک | |
| نماگرهای تکنیکال | |
| شبکه عصبی مصنوعی | |
| الگوریتم ژنتیک | |
| الگوریتم جستجوی هارمونی | |
| الگوریتم ازدحام توده ذرات |