پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از الگوریتم بهینه‌سازی کاوش باکتری
محورهای موضوعی : مهندسی مالی
احمد ناطق گلستان
1
(گروه مدیریت مالی، واحد مشهد، دانشگاه آزاد اسلامی، خراسان رضوی، ایران)
کلید واژه: پیش‌بینی, شاخص سهام, : بورس اوراق بهادار, بهینه‌سازی کاوش باکتری,
چکیده مقاله :
پیش‌بینی شاخص کل قیمت به عنوان یکی از چالش برانگیزترین مباحث مالی مورد توجه قرار گرفته است و صحت این پیش‌بینی‌ها برای بهبود استراتژی‌های معاملاتی و سرمایه‌گذاری در بورس بسیار مهم است. هدف اصلی این تحقیق پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از رو‌ش‌های هوشمند است. جهت مدل‌سازی از الگوریتم بهینه‌سازی کاوش باکتری استفاده شده است. در این تحقیق داده‌های شاخص کل قیمت بورس اوراق بهادار تهران در بازه زمانی فروردین ماه 1385 تا اسفند ماه 1398 جمع‌آوری شده است. سپس با استفاده از داده‌های شاخص کل قیمت (شامل بالاترین قیمت، پایین‌ترین قیمت، قیمت بسته‌شدن و تعداد سهام معامله شده) و بوسیله نرم افزار اکسل مقادیر8 شاخص تکنیکال به عنوان ورودی الگوریتم بهینه‌سازی کاوش باکتری محاسبه شده و در نهایت بوسیله نرم افزار متلب اقدام به پیش‌بینی شاخص کل قیمت شده است. نتیجه تحقیق نشان می‌دهد که الگوریتم بهینه‌سازی کاوش باکتری با دقت 97 درصد توانایی پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران را دارد.
It is impossible to advance the economic goals of any country without financial markets. Since the stock exchange is one of the most important financial markets in the country, and the stock index is one of the important parameters in determining it,s performance, So the stock index and economic development have an important interconnected relationship. Stock market forecasting has been considered as one of the most challenging financial issues and the accuracy of these forecasts is crucial for improving trading and investment strategies in the stock market. The total price of Tehran stock exchange price using intelligent methods. An optimization Bacterial Foraging Optimization Algorithm has been for modeling. In this research, the total index of Tehran stock exchange price data for the 23rd March 2006 to 21rd March 2018. Ten using the total price index data (consists of the highest price, lowest price, closing price and total volume of stocks traded for the day) and finally, by Matlab software, the forecast price index waz calculated. The results of the research show that the algorithm has the accuracy of ninety seven percent ability to predict the total index price of the stock exchange.
_||_