الگوی ترکیبی پیش بینی رفتارهای متغیر قیمت در بازار سهام

هدف پژوهش حاضر، ارزیابی روش های فرا ابتکاری جهت پیش بینی رفتار قیمت سهام و معرفی کارآمدترین روش در بازار سهام ایران است. بدلیل نااطمینانی در زمینه سرمایه گذاری و کثرت متغیرها، سرمایه گذاران به روش پیش بینی روی می آورند که به واسطه آن ها، تخمین هایشان به واقعیت نزدیک و خطایشان کم شود. در این پژوهش، به پیش بینی قیمت سهام 5 شرکت پذیرفته شده در شاخص فلزات اساسی بورس اوراق بهادار تهران در یک بازه زمانی سه ساله، با شرط فقدان توقف معاملاتی پیوسته برای مدت بیش از 3 ماه پرداخته شد. بدین منظور، متغیرهای بهینه از بین 9 متغیر اولیه و پرکاربرد با استفاده از روش های انتخاب ویژگی، الگوریتم های فرا ابتکاری شاهین هریس  و وال انتخاب و سپس با استفاده از شبکه های عصبی پس انتشار خطا، شبکه عصبی پایه شعاعی و شبکه عصبی با تاخیر زمان به پیش بینی قیمت سهام پرداخته شد. نتایج نشان داد که در پیش بینی قیمت سهام فملی، زنگان، فرآور، فاسمین و فولاد به ترتیب WOATD، HHOTD، HHOTD، HHOTD و HHORBF مدل برتر هستند. همچنین نتایج نشان می دهد که روش تکاملی شاهین هریس در یافتن ویژگی ها نسبت به روش تکاملی وال بهتر عمل کرده است. با توجه به نتایج، مدل HHOTD نسبت به بقیه مدل ها از دقت و کارایی بالاتری برخوردار است.