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
محل انتشار: دوفصلنامه مدیریت بحران، دوره: 14، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 88
فایل این مقاله در 37 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOEM-14-1_001
تاریخ نمایه سازی: 27 فروردین 1404
چکیده مقاله:
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 ۱۰ روز آینده مورد بررسی قرارگرفته است و با معیارهای R۲، 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 ۷۵٪ و ۷۶٪ نسبت به الگوریتم HHO با دقت های ۷۳٪ و ۶۷٪ برتری دارد.
کلیدواژه ها:
نویسندگان
مسعود دارابی
استادیار، مجتمع دانشگاهی پدافند غیرعامل، دانشگاه مالک اشتر، تهران، ایران
محسن گل سرخ حق
دکترای مدیریت راهبردی دفاعی، دانشگاه عالی دفاع ملی، تهران، ایران
اصغر اصغرزاده
استادیار، مدیریت مالی، پژوهشکده سرمایه اجتماعی، دانشگاه فرماندهی و ستاد آجا، تهران، ایران
آیدین ابوطالبی
دانشجوی دکترای اقتصاد، بخش اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم تحقیقات، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :