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

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 89

فایل این مقاله در 37 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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:

پیش بینی قیمت سهام ، شبکه عصبی مصنوعی ، بورس ، الگوریتم های بهینه سازی فرا ابتکاری ، بحران

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 :
  • Ayyildiz, N. and O.J.H. Iskenderoglu, How effective is machine learning ...
  • Mintarya, L.N. et al. Machine learning approaches in stock market ...
  • Pahwa, N. et al. Stock prediction using machine learning a ...
  • Jain, S. et al. Exploring the Future of Stock Market ...
  • عادل، آ. ا. امیر و ا. پرویز، مقایسه روش های ...
  • مهدی مرادزاده، ف. د. رویا و رامین شاه علی، یکپارچه ...
  • مهدی، ص. ح.پ. کیانا و خ. حمید، بررسی مقایسه ای ...
  • علیرضا، س. ق. مجید و ت. رضا، پیش بینی شاخص ...
  • سید حسام و. کاربرد الگوریتم هوش مصنوعی در پیش بینی ...
  • زهرا، پ. و د. رحیم، مدل سازی بازار سهام با ...
  • حامد، ر.ز و همکاران. رویکرد هوش مصنوعی انقباضی لاسو در ...
  • مهدی، ح. و ا. حمیدرضا، بررسی قدرت مدل های مبتنی ...
  • جعفر، م؛ و ش. محمدرضا، شناسایی و گروه بندی ریسک ...
  • آرام، خ. تحلیل فضایی آسیب پذیری محلات شهر سلماس در ...
  • مزرعه، م. م. حقیقی و ل. آندرواژ، طراحی مدل جذب ...
  • Srivastava, S. et al. Analysis and prediction of Indian stock ...
  • Sonkavde, G. et al. Forecasting stock market prices using machine ...
  • Ajiga, D.I. et al. Machine learning for stock market forecasting: ...
  • Phuoc, T. et al. Applying machine learning algorithms to predict ...
  • Sui, M. et al. An ensemble approach to stock price ...
  • Smith, M. Neural networks for statistical modeling. ۱۹۹۳: Thomson Learning ...
  • Hornik, K. M. Stinchcombe, and H.J.N.n. White, Multilayer feedforward networks ...
  • Engelbrecht, A.P. Computational intelligence: an introduction. ۲۰۰۷: John Wiley & ...
  • محمدباقر، م. مبانی شبکه های عصبی هوش محاسباتی. Vol. ۰. ...
  • Heidari, A.A. et al. Harris hawks optimization: Algorithm and applications. ...
  • Hashim, F.A. et al. Honey Badger Algorithm: New metaheuristic algorithm ...
  • Heptner, V.G. and S. Robert, Mammals of the Soviet Union: ...
  • Begg, C. et al. Life-history variables of an atypical mustelid, ...
  • Begg, C. et al. Scent-marking behaviour of the honey badger, ...
  • نمایش کامل مراجع