پيش بيني شاخص بازار سهام به وسيله مدل ماركوف پنهان و روش خوشه بندي كا ميانگين

Predicting Index of Stock Exchange by Hidden Markov Model and K-Mean Algorithm

پيش بيني بازار سهام يك مسئله كلاسيك ميباشد كه تا كنون به طور گسترده اي به وسيله ابزار ها و مدل هاي مختلف مورد تجزيه و تحليل قرار گرفته است.تغييرات روند بازار سهام ناشي از تقابل نيرو هاي عرضه و تقاضا و ديگر عوامل اقتصادي است. تكنيك هاي اماري سنتي براي توصيف روند هاي فصلي و نامانايي داده هاي قيمت در بازار سهام ناتوان هستند. مدل ماركوف پنهان يكي از ابزار هاي بسيار قدرت مند در پردازش فرايند هاي اتفاقي و دنباله هاي تصادفي است، كه در پهنه وسيعي از كاربرد ها نظير پردازش گفتار، تصوير و سيگنال استفاده شده است. اين مدل يك مدل اماري بوده و كار برد اصلي ان در باز شناخت گفتار مي باشد. اما از انجا كه يك مدل كلي براي فرايند هاي تصادفي است مي تواند در سري هاي زماني مالي نيز به كار رود.در اين تحقيق ما با استفاده از الگوريتم خوشه بندي K-mean به همراه مدل ماركوف پنهان بر روي متغيير هاي تكنيكال درصد تغييرات روزانه قيمت و حجم معاملات به پيش بيني شاخص بي اي ال 20 بلژيك دريك روز اينده پرداخته ايم و در اخر دقت پيش بيني را با استفاده از معيار متوسط درصد خطاهاي مطلق محاسبه كرده ايم كه مقدار متوسط خطاهاي مطلق براي پيش بيني مقدار روز اينده شاخص قيمتي بي اي ال20 در بازه زماني 1 دسامبر تا 30 دسامبر 2015 عدد 0.03463- درصد ميباشد. سري هاي زماني مقدار شاخص و حجم معاملات آن در بازه زماني 1/1/2012 تا 30/12/2015 نمونه پژوهش را تشكيل ميدهند. از داده هاي 1/1/2012 تا 30/11/2015 براي پرورش مدل و از داده هاي 30/11/2015 تا 30/12/2015 براي تست مدل و به دست اوردن دقت پيش بيني استفاده كرده ايم.

Stock price prediction is a classic problem that has been analyzed by different tools and models. Stock market trend changes depends on supply and demand rule and other macroeconomic forces in the market circumstance. Non liner and full swing process makes it hard to predict future stock price. Traditional statistical techniques and models cannot explain seasonal and non-station time series data in stock markets. Hidden markov model has widely used in the way of predicting statistical time series. It extensively has used in such majors as speech recognition and DNA sequencing and also it can be used in order to next stock price prediction. In this study we tried to use discrete hidden markov model to predict next day’s index in Brussels (Euro Next) and answer the question that “which market will get the more accurate prediction by hidden markov model?.