مدل سازی رفتار سرمایه گذار در بازار سهام بر پایه ترکیب اتوماتای یادگیر سلولی و الگوریتم بهینه سازی ازدحام ذرات

تاکنون مطالعات فراوانی در زمینه شبیه سازی رفتار سرمایه گذاران در بازار سهام با رویکردهای یادگیری ماشین انجام شده است. مهمترین چالش در این حوزه مربوط به مدل سازی عدم قطعیت با توجه به حجم انبوه متغیرها در فضای مسیله است. ما در این مقاله رفتار سرمایه گذاران در بازار سهام را بر پایه ی اتوماتای یادگیر سلولی شبیه سازی کردیم بگونه ای که هر اتوماتا نشان دهنده یک بازار سهام است و هر سلول بعنوان یک سرمایه گذار در نظر گرفته می شود. روش پیشنهادی برای فرایند یادگیری ساختاری اتوماتای یادگیر سلولی نیز استفاده از الگوریتم بهینه سازی ازدحام ذرات است. مبنای این الگوریتم متکی بر تکرار جستجو در فضای مسیله توسط یک جمعیت تصادفی از سلول های اتوماتا می باشد که در هر تکرار، تابع شایستگی مورد ارزیابی قرار می گیرد و سپس بهترین موقعیت هر سلول و بهترین موقعیت تمام سلول ها در آن نسل در دو حافظه )بهترین موقعیت محلی ، بهترین موقعیت جهانی( مشخص می شود. نتایج حاصل از فرایند یادگیری در راستای پیش بینی خرید، فروش و حفظ سهام توسط سرمایه گذاران بسیار امیدوارکننده هستند.

کلیدواژه ها:

یادگیری ماشین ، شبیه سازی بازار سهام ، اتوماتای یادگیر سلولی ، بهینه سازی ازدحام ذرات ، یادگیری ساختاری