چکیده:
هدف این تحقیق پیش‌بینی شاخص کل قیمت سهام با استفاده از الگوریتم پرواز پرندگان است تا فعالان بازار سرمایه و هم‌چنین تصمیم‌گیرندگان کلان بتوانند از آن به منظور پیش‌بینی روند این بازار استفاده کنند. دوره نمونه‌گیری این پژوهش ده‌ساله و از تاریخ 1378 تا 1387 در نظر گرفته شده است که در آن از شاخص کل قیمت سهام برای پیش‌بینی و هم‌چنین الگوسازی و آزمون استفاده می‌شود. برای این منظور، ابتدا یک چارچوب هوشمند پیش‌بینی طراحی، و در ادامه از الگوریتم پرواز پرندگان و هم‌چنین از الگوهای سنتی نمو هموار ساده، هلت وینترز، اتورگرسیون، میانگین متحرک و آریما برای پیش‌بینی استفاده شده است. نتایج تحقیق حاکی است که در میان الگوهای سنتی، آریما دارای بهترین براورد است؛ هم‌چنین در مقایسه الگو پرواز پرندگان با آریما مشخص شد که خطای براورد این الگوی هوشمند نسبت به آریما بسیار کم است که می‌توان از آن به منظور پیش‌بینی‌های آینده شاخص کل قیمت سهام استفاده کرد.
چکیده انگلیسی:
The stock market is one of the most attractive investment choice from which a large amount of profit can be earned. This study presents a PSO-based methodology to deal with Stock market index prediction. The study showed superiority in applicability of the proposed approach by using Tehran Stock Exchange Index (TSEI) and comparing the outcomes with conventional method such as Simple Exponential Smoothing (SES), Hoelt-Winters Exponential Smoothing (HWES), Auto Regressive (AR), Moving Average (MA), Auto Regressive Integrated Moving Average (ARIMA). Experimental results clearly showed that PSO approach meaningfully outperforms all of the conventional method in terms of MAD, MSE, RMSE and MAPE. Additionally, evaluation statistics of the proposed approach significantly decrees variance of the errors compared to the conventional method.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
