پيش‌بيني قيمت سهام با ارائه مدلي تركيبي با استفاده از تحليل مؤلفه‌هاي اصلي و تئوري مجموعه‌هاي راف

در اين پژوهش، با تركيب روش‌هاي تحليل مؤلفه‌هاي اصلي و مجموعه‌هاي راف، مدلي به منظور پيش‌بيني قيمت سهام ارائه شده است. به اين منظور، با استفاده از داده‌هاي قيمتي شركت ايران خودرو، ابتدا تعدادي از شاخص‌هاي تكنيكال محاسبه شدند. به منظور كاهش بعد ماتريس تصميم، به روش تحليل مؤلفه‌هاي اصلي، متغيرهايي جديد به گونه‌اي انتخاب شدند كه حداكثر ويژگي‌هاي داده‌هاي اوليه حفظ شود. از اين متغيرها در ماتريس تصميم، به عنوان مؤلفه‌هاي شرطي استفاده مي‌شود و متغير تصميم، نوسان قيمت سهم در روز بعد مي‌باشد. داده‌ها به روش‌هاي مختلف گسسته‌سازي و به دو دسته يادگيري و كنترل تقسيم شدند. سپس با استفاده از تئوري مجموعه‌هاي راف بر روي داده‌هاي يادگيري، قواعد تصميم استخراج و اعتبار آنها بر روي داده‌هاي كنترل، ارزيابي شد. نتايج به دست آمده از مدل تركيبي با نتايج حاصل از مدل مجموعه‌هاي راف مقايسه شد. با بررسي ضرايب متغيرهاي اوليه در عامل‌هاي جديد اين موضوع مهم قابل نتيجه‌گيري است كه با حفظ بخش عمده خواص داده‌هاي اوليه، پنج متغير اوليه قابل كاهش به دو عامل جديد بوده و قابليت نام‌گذاري دارند كه اين موضوع نقش مهمي در كاهش تعداد قواعد تصميم و ملموس بودن استفاده از آنها دارد. درصد پيش‌بيني‌هاي صحيح قواعد استخراج شده از مدل تركيبي نسبت به مدل رقيب يعني مدل مجموعه‌هاي راف، بيشتر و تعداد قواعد كمتر مي‌باشد. به منظور بررسي استحكام مدل، داده‌هاي بازه سال‌هاي 1398-1383 شركت ايران خودرو و همچنين داده‌هاي ساليانه بانك صادرات ايران مورد بررسي قرار گرفتند كه نتايج با يافته‌هاي قبلي مطابقت داشتند.