ارایه یک مدل هیبریدی فازی جهت پیش بینی بازده سهام با استفاده از شبکه عصبی فازی و مدل های انتخاب ویژگی های غیر خطی

همواره پیش بینی قیمت سهام از اهمیت خاصی برای فعالان بازار بورس برخوردار بوده و است. همچنین روش های پیش بینی مختلفی جهت این امر، ابداع و مورد استفاده قرار گرفته است. اما اغلب روش ها متغیر های ورودی را ثابت در نظر می گیرند، در صورتیکه امکان دارد با عوض شدن سهم مورد پیش بینی یا تغییر زمان، دیگر آن متغیر ها جهت پیش بینی قیمت، معنی دار نباشند و کارایی خود را از دست داده باشند. در این مقاله ابتدا با استفاده از الگوریتم NSGAII ابتدا تعداد بهینه متغیر های ورودی توسط خبره، انتخاب می گردد و سپس بهترین متغیر های ورودی با استفاده از الگوریتم تبرید انتخاب، و در نهایت قیمت سهام با استفاده از الگوریتم فازی عصبی و رگرسیون فازی، تخمین زده می شوند...

کلیدواژه ها:

الگوریتم تبرید ، شبکه عصبی فازی و رگرسیون فازی