ارائه ي مدلي چندتايي از شبكه عصبي پرسپترون با انتخاب نمونه‌ها توسط الگوريتم گروه جوجه مرغ براي پيش‌بيني‌هاي مالي

به دليل پيچيدگي بازار بورس و حجم بالاي اطلاعات مورد پردازش، اغلب استفاده از يك سيستم ساده برايپيش‌بيني، نتايج خوبيبه همراه ندارد. به همين دليل محققان با ارائهمدل‌هاي تركيبي سعي در ارائه سيستمي با پيچيدگي كمتر و كارايي و دقت بيشتركرده‌اند. در اكثر مدل‌هاي پيش‌بيني كننده، سيستم فقط با استفاده از اطلاعات يك شاخص به پيش‌بيني پرداخته، ولي در مدل پيشنهادي، از يكساختاردوطبقه كه طبقه اول آناز شبكه‌هاي عصبيپ رسپترون چندل ايه به‌ عنوان پيشگو تشكيل‌ شده و هر كدام به‌ صورت مستقل ازديگرسيستم‌ها،براي پيش‌بيني شاخص خاصي ازداده‌هاي مختلف آموزش‌ديده و به پيش‌بيني شاخص معيني مي‌پردازد و درطبقه دوم نيز يك شبكه عصبي پرسپترون چندلايه تركيب‌كننده قرارداردكه بااستفاده ازمكانيسم انتخاب بهترين نمونه‌ها به كمك الگوريتم بهينه‌سازي گروه جوجه مرغ‌ها،آموزش مي‌بيند ودرنهايت خروجي نهايي مدل رافراهم مي‌سازد. نتايج به‌دست‌آمده نشان مي‌دهد كه مدل پيشنهادي توانسته با خطاي پيش‌بيني پايين‌تري نسبت به ديگرمدل‌ها عمل كند. در اين پژوهش با توجه به عوامل مؤثر شناخته‌شده در قيمت سهام شركت‌ها، به‌عنوان نمونه به پيش‌بيني شاخص شركت بورس اوراق بهادار تهران كه شامل سه مجموعه داده شاخص قيمت بورس، حجم معاملات و نرخ بازده مي‌باشد، پرداخته‌شده است.