CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

عنوان مقاله: پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات
شناسه ملی مقاله: JR_JFMZ-4-4_001
منتشر شده در شماره 4 دوره 4 فصل در سال 1395
مشخصات نویسندگان مقاله:

رضا راعی - استاد دانشگاه تهران، دانشکده مدیریت، گروه مدیریت مالی و بیمه
علی نیکعهد - کارشناس ارشد مدیریت مالی، دانشگاه تهران
مصطفی حبیبی - دانشجوی کارشناسی ارشد مدیریت مالی، دانشگاه تهران،

خلاصه مقاله:
پیش­بینی نوسان های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان بهینه شده به وسیله الگوریتم حرکت تجمعی ذرات می­باشد. در برازش مدل رگرسیون بردار پشتیبان، سه پارامتر توضیحی وجود دارد که باید ترکیبی از این سه پارامتر توسط کاربر و به صورت آزمایش و خطا انتخاب شود تا دقت مدل را به بیشترین حد خود برساند. با توجه به زمان­بر بودن و کارایی پایین انتخاب پارامتر توسط کاربر، برای انتخاب ترکیب بهینه پارامترهای مدل رگرسیون بردار پشتیبان، از روش بهینه­سازی حرکت تجمعی ذرات استفاده شده است که الگوریتمی قوی در حوزه بهینه­سازی می­باشد. با توجه به حجم زیاد داده­های ورودی به مدل برای کاهش زمان یادگیری و افزایش دقت پیش­بینی، با استفاده از روش آنالیز مولفه­های اصلی، پیش­پردازش روی متغیرهای ورودی صورت گرفته و به مولفه­های اصلی تبدبل شده است. نتایج بدست آمده نشان داد که پیش­پردازش روی دادها، خطای پیش­بینی مدل را به طور قابل ملاحظه­ای کاهش داده است.

کلمات کلیدی:
شاخص بورس, آنالیز مولفه های اصلی, رگرسیون بردار پشتیبان, بهینه سازی حرکت تجمعی ذرات, پیش بینی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/872554/