ارائه يك الگوريتم تركيبي شبكه عصبي و الگوريتم ميگو جهت پيش بيني قيمت سهام در بورس تهران

Presenting a combinational algorithm if neural network and Krill algorithm for stock price forecast in stock market

پـژوهش حاضـر بـه مطالعـه پـيش بيني شاخص قيمت سهام در بورس اوراق بهادار تهران به وسيله شـبكه هـاي عصـبي و الگوريتم بهينه سازي گروه ميگوها بر رفتار آشوبناك شاخص قيمت در بورس اوراق بهادار مـي پـردازد. دو مجموعـه از داده هـا براي ورودي شبكه عصبي انتخاب شده اند. وقفه هاي مختلفي از شاخص و عوامل كلان اقتصادي به عنوان متغيرهاي مستقل. همچنين از الگوريتم گروه ميگوها پيش بيني شاخص قيمت در هفـته ي بعـد اسـتفاده شده است. نتايج حاصل از پژوهش نشان مي دهد كه تركيب شبكه ها عصبي و الگوريتم بهينه سازي گروه ميگوها عملكرد بهـتري نسـبت بـه شبكه عصبي در پيش بيني شاخص قيمت دارند و همچنين مقدار قابل قـبول MSE بـراي خطـاي شـبكه در داده هـاي آزمـون و برآورد نشان دهنده ي اين مطلب است كه حـركات آشـوبناك در رفـتار شـاخص قيمـت وجـود دارد.

The present study evaluates the stock price forecast in TSE by neural networks and Krill herd optimization algorithm on chaotic behavior of price index in TSE. Two set of data are selected for neural network input. Various lags of index and macro-economic factors were considered as independent variables. Also, krill herd algorithm is used to predict stock price in the next week. The results of study showed that the combination of neural networks and krill herd optimization had better performance compared to neural network in price index prediction and acceptable value of MSE for network error in test data and estimation showed that chaotic motions were observed in price index behavior.