بهینه سازی میانگین متحرک قیمت سهام در بورس اوراق بهادار تهران: رهیافت روش فرا ابتکاری الگوریتم ژنتیک بهبود دهنده ی تطبیق پذیر

برای پیش بینی قیمت سهام، ابزارهای تکنیکال، مورد استفاده بوده و یکی از کاربردی ترین آنها، میانگین های متحرک می باشد. استفاده از دو میانگین متحرک، متداول ترین روش برای یافتن نقاط خرید و فروش به موقع بوده که نیازمند دو طول دوره های زمانی می باشد. طولهای بهینه برای دو دوره زمانی کوتاه مدت و بلند مدت برای هر سهم، با توجه به روند قیمتی اخیر آنها، متفاوت است. یافتن این طولهای بهینه با روش های سنتی، هزینه بر بوده و معمولا به جواب بهینه سراسری نمی رسند. بهترین راه، استفاده از ابزارهای هوشمند مانند الگوریتم ژنتیک است؛ الگوریتم ژنتیکی که در این تحقیق به کار رفته، الگوریتم ژنتیک بهبود دهنده تطبیق پذیر(به اختصار ژبت) می باشد که خیلی سریع تر به جواب بهینه سراسری می رسد. در این تحقیق داده های شرکتهای برتر در صنایع مختلف بورس اوراق بهادار تهران از فروردین 1390 تا خرداد 1395 مورد ارزیابی قرار گرفته اند، نتایج نشان می دهد که با تنظیم دقیق پارامترها، الگوریتم به طولهای بهینه ی دوره های زمانی خواهد رسید.