مقایسه روشهای کلاسیک و هوش مصنوعی در پیش بینی شاخص قیمت سهام و طراحی مدل ترکیبی

امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد کشور را تشکیل می دهد. به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانند بالاترین بازده را از سرمایه گذاری خود کسب کنند. از سوی دیگر، شاخص قیمت سهام نشان دهنده وضعیت کلی بازار سهام است و می تواند به پیش بینی سهامداران جهت سرمایه گذاری کمک کند. اغلب در سالهای گذشته از روشهای کلاسیک برای پیش بینی قیمت سهام استفاده می کردند، اما با پیشرفت و توسعه مداوم روشهای فرا ابتکاری، شبکه های عصبی و شبکه های عصبی فازی، کاربردهای روزافزونی در مبحث پیش بینی شاخص قیمت سهام پیدا کرده اند. در این تحقیق، سه رویکرد مطرح می شود: ۱) پیش بینی شاخص قیمت سهام با رویکرد روشهای کلاسیک؛ ۲) رویکرد هوش مصنوعی؛ ۳) رویکرد ترکیبی. به این منظور ابتدا ارزیابی عملکرد روشهای کلاسیک از قبیل روشهای هموارسازی نمایی، تحلیل روند، ARIMA و هوش مصنوعی از قبیل شبکه های عصبی و شبکه های عصبی فازی انجام شده است، سپس سناریو سوم، یعنی طراحی مدل ترکیبی از ARIMA ، شبکه های عصبی و شبکه های عصبی فازی مورد بررسی قرار گرفته است. نتایج تحقیق بیانگر آن است که توانایی مدل ترکیبی نسبت به تمامی روشهای هوش مصنوعی و کلاسیک بالاتر است.