پيش بيني قيمت سهام با استفاده از تلفيق مدل ماركوف پنهان و زنجيره ماركوف

A Fusion Model of HMM and Markov Chain Concept for Stock Market Forecasting

در اين تحقيق، تلفيقي از مدل «ماركوف پنهان» و مفهوم «زنجيره ماركوف» به­ منظور پيش ­بيني رفتار بازارهاي مالي ارائه شده است. اين ابزار توسعه ­يافته مي ­تواند در تجزيه ­و تحليل بازار سهام، كاربردي مناسب داشته باشد. در ابتدا از الگوريتم ژنتيك به­ منظور تعيين و تنظيم پارامترهاي مدل «ماركوف پنهان» استفاده مي­ شود؛ سپس از مدل «ماركوف پنهان» تنظيم شده براي شناسايي و شناخت الگوهاي مشابه در داده ­هاي تاريخي استفاده مي­شود و پس از آن مقدار قيمت براي روز بعد با استفاده از الگوهاي مشابه و مفهوم «زنجيره ماركوف» محاسبه مي­ گردد. از چندين سهم به ­منظور دست­يابي به نتايج مناسب استفاده شده است و سپس، نتايج مدل ارائه­ شده با نتايج مدل موجود در مباني نظري و همچنين با روش‌هاي معمول در اقتصاد سنجي مقايسه شده است

In this research we propose and implement a fusion model by combining the Hidden Markov Model (HMM)، Genetic Algorithms (GA) and Markov chain concept to forecast financial market behavior. The developed tool can be used for in depth analysis of the stock market. We draw on GA to optimize the initial parameters of HMM. The trained HMM is used to identify and locate similar patterns in the historical data. The price differences between the matched days and the respective next day are calculated. Finally، by using Markov chain concept the price differences of similar patterns is obtained to prepare a forecast for the required next day. Forecasts are obtained for a number of shares of Tehran stock exchange and are compared with a conventional forecast method.