پیش بینی داده های بورس با شبکه عصبی نئوکوگنیترون برپایه الگوریتم عنکبوت اجتماعی

پیچیدگی رو به رشد دنیای واقعی دانشمندان کامپیوتر را بر آن داشته است تا راه حلی بهینه برای برای مشکلات پیش روی دنیای تکنولوژی پیدا کنند. روش های فرا ابتکاری بر پایه رایانش تکاملی و هوش ازدحامی، از جمله مثال های برجسته روش حل مشکلات هستند که الهام گرفته شده از طبیعت می باشند. یکی از این مشکلات که تاثیر فراوانی در اطلاعات دارد، مسئله پیش بینی شاخص بورس است. شاخص بورس با رشد و کاهش سهام، یک مسئله نگران کننده است که روزانه گزارشات زیادی ناشی از دست رفتن منابع مالی و یا سوددهی داده می شود. زمانی که بورس شامل مجموعه ای گسترده از سهام متنوع می شود، امنیت فیزیکی، امنیت شبکه ای، رمزنگاری و مجوز دسترسی، مفاهیم و مکانیزمی ویژه برای تضمین و پیش بینی آینده آن را نیاز دارند. در این پژوهش به پیش بینی داده های بورس ایران در سال 1392 پرداخته شده است تا بتوان بخشی از مشکلات موجود در حوزه زیان های مالی و یا سوددهی های آتی را حل نمود. این عمل با استفاده از شبکه عصبی نئوکوگنیترون انجام گرفته است که نقش طبقه بندی را ایفا می کند و الگوریتم عنکبوت اجتماعی به بهبود پیش بینی از روی نتایج طبقه بندی می پردازد.

کلیدواژه ها:

پیش بینی بورس ، شبکه عصبی نئوکوگنیترون ، الگوریتم عنکبوت اجتماعی ، مدل سازی