ارائه مدلی برای امکان سنجی استفاده از شبکه عصبی مصنوعی بهینه سازی شده توسط الگوریتم های بهینه سازی فرا ابتکاری برای پیش بینی قیمت سهام شرکت ها در بحران های بورس اوراق بهادار تهران

در حال حاضر، سرمایه گذاری در بورس بخش قابل توجهی از اقتصاد کشور را شامل می شود. اوراق بهادار ابزاری مطمئن برای جذب اعتماد سرمایه گذاران به شمار می رود و با ریسک های متفاوتی همراه است. این بازار قادر است سرمایه های کوچک و پراکنده ای را که به تنهایی قابلیت بهره برداری ندارند، جمع آوری کرده و از آن ها منابع مالی قابل توجهی برای توسعه اقتصادی ایجاد کند. در بازارهای بورس، نوسانات قیمت از حساسیت بالایی برخوردار است و این موضوع موجب شده که تغییرات مربوط به این نوسانات به طور منظم مورد بررسی و تحلیل قرار گیرد. به همین دلیل، پیش بینی قیمت سهام در زمان بحران، برای سرمایه گذاران اهمیت زیادی پیداکرده تا بتوانند بیشترین سود ممکن را از سرمایه گذاری های خود به دست آورند. در سال های اخیر و بحران های اقتصادی مانند تحریم و سایر موارد، قیمت سهام با نوساناتی همراه بوده است و به دلیل پیش بینی دقیق توسط سرمایه گذاران در این زمان ها، عملکرد کم خطای الگوریتم های فرا ابتکاری جدید به عنوان روشی نوین مطرح می شود. امروزه روش های نوین پیش بینی سری های زمانی بر اساس هوش مصنوعی و یادگیری ماشین به سرعت پیشرفت کرده اند، به طوری که این داده ها برای سرمایه گذاری و پیش بینی قیمت سهام ارزش زیادی دارند ولی شیوه های سنتی تحلیل داده در یادگیری موثر از آن ها محدودیت دارند. با توسعه فناوری و ورود تکنیک های جدید مانند شبکه های عصبی و الگوریتم های فرا ابتکاری، استفاده ازاین روش ها در پیش بینی قیمت سهام به شکل چشم گیری افزایش یافته است. در این تحقیق، امکان سنجی توانایی مدل های مختلف مبتنی بر شبکه های عصبی بهینه سازی شده توسط دو الگوریتم شاهین هریس (HHO) و الگوریتم گورکن عسل خوار (HBA) در پیش بینی روند قیمت سهام در دو شرکت ایران خودرو و پالایش نفت اصفهان در بحران های بازار بورس اوراق بهادار تهران در بازه زمانی 10 روز آینده مورد بررسی قرارگرفته است و با معیارهای R2، MSE، RMSE، MAE، RSE و EVS نتایج این دو الگوریتم مقایسه شده است. نتایج این تحقیق نشان می دهد که الگوریتم HBA در پیش بینی قیمت سهام ایران خودرو و پالایش نفت اصفهان در طول زمان و بحران ها با دقت های به ترتیب 75٪ و 76٪ نسبت به الگوریتم HHO با دقت های 73٪ و 67٪ برتری دارد.