پیش بینی قیمت سهام بااستفاده از الگوریتم کرم شب‌تاب (FA)

الموضوعات : دانش مالی تحلیل اوراق بهادار

علی بیات ¹ , زینب باقری ²

1 - استادیار ،گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
2 - دانشجوی کارشناسی ارشد مدیریت بازرگانی گرایش مالی، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران

تاريخ الإرسال : 28 الأحد , ربيع الثاني, 1437 تاريخ التأكيد : 10 الجمعة , شوال, 1437 تاريخ الإصدار : 03 السبت , محرم, 1439

الکلمات المفتاحية: پیش بینی قیمت سهام, الگوریتم های هوشمند, الگوریتم کرم شب‌تاب,

ملخص المقالة :

در این پژوهش به پیش‌بینی قیمت سهام 10 شرکت از شرکت‌های پذیرفته شده در بورس و تعدادی از شرکت‌های حاضر در فرابورس بااستفاده از الگوریتم کرم شب‌تاب پرداخته شده است. این پژوهش ازنظر هدف، کاربردی، از نظر روش گردآوری اطلاعات شبه تجربی، توصیفی - پیمایشی و پس رویدادی است. همچنین ازنظر ابزارهای گردآوری اطلاعات، کتابخانه ای می باشد و بدلیل ماهیت مدل‌سازی و پیش‌بینی، ازنوع پژوهش استقرایی است. در این تحقیق از داده‌ها در دو مرحله، الگوریتم استفاده خواهیم کرد: الف ) داده هایی برای آموزش الگوریتم کرم شب‌تاب قبل از پیش‌بینی (مرحله یادگیری الگوریتم) که تعداد این متغیرها برابر 16 متغیر می‌باشد. این متغیرها برای دوره زمانی سه سال (1388-1392) ب) داده های گذشته شرکت ها برای پیش‌بینی قیمت سهام در آینده (مرحله تست الگوریتم) که تعداد این متغیرها برابر12 متغیر است. سرانجام دراین پژوهش از الگوریتم آموزش دیده برای پیش بینی قیمت سهام استفاده می‌گردد. طرز کار الگوریتم نیز به این صورت است که داده های روزانه , ماهانه یا سالانه (N) به الگوریتم داده می شود. الگوریتم به پیش بینی قیمت سهام برای روز، ماه یا سال N+1 ام می پردازد. برای محاسبه ی خطای پیش بینی از محاسبه خطای نسبی استفاده شده است. محاسبات انجام خطای کمتر از 6% را برای پیش‌بینی نشان می‌دهد. بنابراین الگوریتم کرم شب تاب قابلیت پیش بینی قیمت سهام را داراست.

المصادر:

*      الوانی، مهدی، (1374)، مدیریت تولید، انتشارات آستان قدس رضوی.

*      گلستان، اعظم و مولایی زاهدی، زینب، (1381)، بررسی الگوریتم‌های بهینه‌سازی مبتنی بر هوش گروهی، هشتمین سمپوزیسیوم در پیشرفت‌های علم و تکنولوژی، مشهد، ایران

*      فلاح شمس، میرفیض و کردلوئی، حمیدرضا و رشنو، مهدی، (1391)، بررسی دستکاری قیمت‌ها در بورس اوراق بهادار تهران با استفاده ‌از مدل ‌ماشین ‌بردار پشتیبان، تحقیقات مالی، بهار و تابستان، دوره14، شماره1، صص 69-84

*      شباهنگ، رضا، (1384)، حسابداری مدیریت، جلد اول، مرکز تحقیقات تخصصی حسابداری و حسابرسی سازمان حسابرسی، تهران.

*      منجمی، امیرحسین و ابزری، مهدی، رعیتی شوازی، علیرضا، (1388)، پیش‌بینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه عصبی فازی و الگوریتم‌های ژنتیک و مقایسه آن با شبکه عصبی مصنوعی، فصلنامه اقتصاد مقداری، پاییز ، دوره 6، شماره 3، صص 1-26

*      صفرنواده، محمودرضا، (1380)، پیش‌بینی قیمت سهام در بورس اوراق بهادار تهران با استفاده ازمتغیرهای خاص، دانشگاه امام صادق، تهران

*      بت‌شکن، محمود، (1380)، پیش‌بینی قیمت سهام با استفاده از شبکه های عصبی- فازی و مقایسه آن با الگوهای خطی پیش بینی، دانشگاه تهران، تهران

*      افشاری، حسین، (1382)، بررسی ساختاری قابلیت پیش بینی قیمت سهام در بورس اوراق بهادار تهران، بررسی‌های حسابداری و حسابرسی، 32

*      نجارزاده، (1385)، رضا، بررسی تجربی رابطه بین حجم معاملات و بازده سهام در بازار بورس اوراق بهادار تهران، فصلنامه پژوهش های اقتصادی

*      صفرنواده، محمودرضا، (1380)، پیش‌بینی قیمت سهام با استفاده از متغیرهای خاص، پایان‌نامه بت شکن، محمود، پیش‌بینی قیمت سهام با استفاده از شبکه های عصبی –فازی و مقایسه آن با الگوهای خطی پیش بینی، پایان نامه

*      فتوره چیان، ناصر، (1391)، پیش‌بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان برپایه الگوریتم ژنتیک در بورس اوراق بهادار تهران، پایان نامه

*      طلوعی اشلقی، عباس، حق دوست، شادی، (1380)، مدل سازی پیش‌بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روش‌های پیش‌بینی ریاضی، پژوهش های اقتصادی، 237

*      موسایی، میثم، مهرگان، نادر، امیری، حسین، (1389)، رابطه بازار سهام و متغیرهای کلان اقتصادی، فصل‌نامه پژوهش‌های سیاسی و اقتصادی، 54

*      عباسیان، عزت اله، نظری، محسن، ذوالفقاری، مریم، (1391)، بررسی قابلیت پیش بینی قیمت سهام با استفاده ازآزمون های نسبت واریانس و گام تصادفی در بورس اوراق بهادار تهران، بررسی های حسابداری و حسابرسی

*      Armstrong، J. S. (2001), Principles of forcasting (hdbk, Kluwer Academic Publisher.

*      Collopy، F. & Armstrong، J. S. (1992) Error measures For Generalizing About Forecasting Methods: Empirical Comparisons, International Journal of Forecasting،Page  69-80

*      Batchelor، R. (1990) ،Forecaster Ideology ،Forecasting technique ، and the accuracy of economic forecaste, International Journal of Forecasting

*      Aurangzed, Factors affecting performance of stock marketevidence from south Asian countries,international journal of academic research in business and social sciences,(2012).

*      Egil،B،&Ozturan،Badaur،B(2003).stock market prediction :using artificial neural network،avaiable at WWW.SSRN.com

*      Poli،R،kennedy،J،Blackwell،T،(2007).Particle swarm optimization:an overview.swarm Intell،1:33-57

*      kenndy،J،Eberhart،R،C(1995).Particle swarm optimization ،In proceedings of the IEEE International Conference on Neural Networks 4

*      Merh ،N&Saxena، V&Pardasani، K (2011). Next day stock market forecasting : An application of ANN andARIMAavaiable at WWW.SSRN.com

*      Senol ،D&Ozturan ،M(2009) Stock price direction prediction  using artificial neural network approach: The case study of Turkey. Journal of Artificial Intelligence،1(2)

*      Xin-shi Yung (2010) .nature inspired metaheuristic Algorithms second edition. 81-104

*      Abuhammad،AA،&Alhajaali،SM(2005).Forecasting the jordanian stock price using artificial neural network،avaiable at WWW.SSRN.com