پیش‌بینی قیمت سهام در بورس اوراق بهادار با استفاده از مدل ترکیبی مبتنی بر شبکه عصبی بازگشتی و سیستم استنتاج عصبی فازی سازگار و سیستم خبره فازی

محورهای موضوعی : مهندسی مالی

مصطفی یوسفی طزرجان ¹ (گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران)
اعظم دخت صفی صمغ آبادی ² (گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران)
عزیزاله معماریانی ³ (گروه مهندسی برق و کامپیوتر، دانشگاه خوارزمی، تهران، ایران.)

تاریخ دریافت : 1399/02/02 تاریخ پذیرش : 1399/05/14 تاریخ انتشار : 1400/01/01

کلید واژه: شاخص‌های فنی, پیش‌بینی قیمت سهام در بورس اوراق بهادار, سیستم استنتاج عصبی فازی سازگار ANFIS, شبکه عصبی بازگشتی (RNN),

چکیده مقاله :

پیش‌بینی قیمت سهام در بورس اوراق بهادار موضوعی چالش برانگیز و جذاب است. سرمایه گذاران علاقه مندند که بتوانند سود سهام مختلف را در بازارهای مالی پیش‌بینی کنند. در این مقاله مدل ترکیبی ارائه شده است که در آن ابتدا قیمت پایانی سهام برای روز بعد بر مبنای الگوریتم سیستم استنتاج عصبی فازی سازگار (ANFIS) و شبکه عصبی بازگشتی (RNN) با استفاده از داده‌های تاریخی و شاخص‌های اندیکاتور پیش‌بینی می‌شود. سپس نتایج به همراه وضعیت شایعات بازار به سیستم خبره فازی وارد می‌شود و پیش‌بینی را بر مبنای خروجی سیستم عصبی فازی و شبکه عصبی بازگشتی به همراه وضعیت شایعات بازار، نهایی می‌کند. مدل ترکیبی ارائه شده برای پیش‌بینی قیمت داده‌های سهام شرکت فولاد مبارکه اصفهان اجرا شد. در این مطالعه برای داده‌های تحقیق از داده‌های شرکت بورس اوراق بهادار تهران مربوط به داده‌های سهام شرکت فولاد مبارکه اصفهان از 5 فروردین 1395 لغایت 29 اسفند 1398 استفاده شده است. چهار شاخص فنی در این مطالعه مورد استفاده قرار گرفته است که عبارتند از: میانگین متحرک(MA)، میانگین متحرک نمایی(EMA)، اندیکاتور قدرت نسبی(RSI)، اندیکاتور میانگین متحرک همگرایی واگرایی(MACD). از این متغیرها به عنوان ورودی سیستم عصبی فازی برای پیش‌بینی قیمت پایانی روز بعد سهام شرکت فولاد مبارکه اصفهان استفاده شده است.

چکیده انگلیسی:

Stock price forecasting is a challenging and attractive topic. Investors are interested in being able to predict the price of different stocks in financial markets. This paper presents a hybrid model that predicts the final stock price for the next day based on the adaptive neuro-fuzzy inference systems (ANFIS) and Return Neural Network (RNN) algorithm using historical data and indicators. Then the results of this model and the status of market rumors enter the fuzzy expert system based on the output of the fuzzy neural system and the return neural network along with the market rumor status and finalize the forecast. The combined model proposed to predict the stock price data of Mobarakeh Steel Company of Isfahan was implemented. In this study, for research data, the data of Tehran Stock Exchange Company related to the stock data of Mobarakeh Steel Company of Isfahan from April 26, 2016 to March 20, 2017 has been used. Four technical indicators used in this study are: Moving Average(MA), Exponential Moving Average(EMA), Relative Strength Index(RSI), and Moving Average Convergence Divergence(MACD). These variables have been used as the input of the adaptive neuro-fuzzy inference systems(ANFIS) to predict the final price of the next day's shares.