پیش بینی مالی با استفاده از روش بهینه سازی ازدحام ذرات کوانتومی و توزیع کوشی

در طول تاریخ مسائل اقتصادی به عنوان یکی از مهم ترین موضوعات پژوهشی و علمی بوده که همواره توجه و تمرکز دانشمندان و پژوهشگران را به خود جلب کرده است. تعدد عوامل موثر بر مسائل اقتصادی چه در سطح ملی و چه در سطح بین المللی تصمیم گیری را در این حوزه دشوار کرده است. به همین دلیل در چهار دهه اخیر، ابزارهای مختلف و هوشمندی برای تحلیل این بازارهای مالی و به منظور تسهیل در تصمیم گیری ایجاد و استفاده شده است. مدل های کامپیوتری که مبتنی بر ریاضیات و تحلیل داده ها و بهینه سازی هایی که منجر به دقیق تر شدن تحلیل ها می شود نیز در این دوران از توجه قابل ملاحظه ای برخوردار بوده اند که محققین زیادی بر روی آن مطالعه انجام داده اند. در این تحقیق ما با بررسی کارهای انجام شده در این حوزه سعی کرده ایم تا مدل های پیش بینی برای داده های سری زمانی را بهینه سازی کنیم. در این تحقیق ما از مدل میانگین متحرک یکپارچه خود رگرسیون استفاده کرده ایم و همچنین برای بهینه سازی آن نیز از روش بهینه سازی ازدحام ذرات کوانتومی و توزیع کوشی استفاده نموده ایم. هدف مدل پیشنهادی بهبود دقت پیش بینی مالی با بهینه سازی پارامترهای ورودی مدل سری زمانی ARIMA است. الگوریتم QPSO برای بهینه سازی پارامترهای مدل سری زمانی استفاده می شود، درحالی که الگوریتم CD برای تولید مقادیر اولیه برای الگوریتم QPSO استفاده می شود. روش پیشنهادی بر روی مجموعه داده های مالی دنیای واقعی آزمایش می شود و نتایج نشان می دهد که از سایر روش های پیش بینی سنتی بهتر عمل می کند. این مقاله نتیجه می گیرد که مدل پیشنهادی می تواند ابزار ارزشمندی برای تحلیلگران مالی و سرمایه گذاران در تصمیم گیری آگاهانه باشد.

کلیدواژه ها:

پیش بینی مالی ، بهینه سازی ازدحام ذرات ، رفتار کوانتومی ، توزیع کوشی