الگوي تركيبي پيش‌بيني رفتارهاي متغير قيمت در بازار سهام

هدف پژوهش حاضر، ارزيابي روش هاي فرا ابتكاري جهت پيش بيني رفتار قيمت سهام و معرفي كارآمدترين روش در بازار سهام ايران است. بدليل نااطميناني در زمينه سرمايه گذاري و كثرت متغيرها، سرمايه‌گذاران به روش پيش بيني روي مي آورند كه به‌واسطه آن ها، تخمين هايشان به واقعيت نزديك و خطايشان كم‌ شود. در اين پژوهش، به پيش بيني قيمت سهام 5 شركت پذيرفته‌شده در شاخص فلزات اساسي بورس اوراق بهادار تهران در يك بازه زماني سه ساله، با شرط فقدان توقف معاملاتي پيوسته براي مدت بيش از 3 ماه پرداخته شد. بدين منظور، متغيرهاي بهينه از بين 9 متغير اوليه و پركاربرد با استفاده از روش هاي انتخاب ويژگي، الگوريتم هاي فرا ابتكاري شاهين هريس  و وال انتخاب و سپس با استفاده از شبكه هاي عصبي پس انتشار خطا، شبكه عصبي پايه شعاعي و شبكه عصبي با تأخير زمان به پيش بيني قيمت سهام پرداخته شد. نتايج نشان داد كه در پيش بيني قيمت سهام فملي، زنگان، فرآور، فاسمين و فولاد به ترتيب WOATD، HHOTD، HHOTD، HHOTD و HHORBF مدل برتر هستند. همچنين نتايج نشان مي دهد كه روش تكاملي شاهين هريس در يافتن ويژگي ها نسبت به روش تكاملي وال بهتر عمل كرده است. با توجه به نتايج، مدل HHOTD نسبت به بقيه مدل ها از دقت و كارايي بالاتري برخوردار است.