پيش‌بيني شاخص كل بورس اوراق بهادار تهران با استفاده از الگوريتم پرواز پرندگان و مقايسه آن با الگوهاي سنتي

هدف اين تحقيق پيش‌بيني شاخص كل قيمت سهام با استفاده از الگوريتم پرواز پرندگان است تا فعالان بازار سرمايه و هم‌چنين تصميم‌گيرندگان كلان بتوانند از آن به منظور پيش‌بيني روند اين بازار استفاده كنند. دوره نمونه‌گيري اين پژوهش ده ساله و از تاريخ 1378 تا 1387 در نظر گرفته شده است كه در آن از شاخص كل قيمت سهام براي پيش‌بيني و هم چنين الگوسازي و آزمون استفاده مي‌شود. براي اين منظور، ابتدا يك چارچوب هوشمند پيش‌بيني طراحي، و در ادامه از الگوريتم پرواز پرندگان و هم‌چنين از الگو‌هاي سنتي نمو هموار ساده، هلت وينترز، اتورگرسيون، ميانگين متحرك و آريما براي پيش‌بيني استفاده شده است. نتايج تحقيق حاكي است كه در ميان الگو‌هاي سنتي، آريما داراي بهترين براورد است؛ هم‌چنين در مقايسه الگو پرواز پرندگان با آريما مشخص شد كه خطاي براورد اين الگوي هوشمند نسبت به آريما بسيار كم است كه مي‌توان از آن به منظور پيش‌بيني‌هاي آينده شاخص كل قيمت سهام استفاده كرد.

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.