انتخاب بهینه سبد سهام با استفاده از الگوریتم ترکیبی هوش جمعی سالپ و سینوس کسینوس و شبکه‌های عصبی روبه جلو
محورهای موضوعی : مدیریت کسب و کار
سیدعلی حسینی
1
,
علی اسماعیل زاده مقری
2
,
آزیتا جهانشاد
3
1 - گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: سبد بهینه سهام, الگوریتم هوش جمعی سالپ, الگوریتم سینوس کسینوس, شبکه های عصبی روبه جلو,
چکیده مقاله :
انتخاب بهینه سبد سهام یک مسئله بهینه سازی است که توسط الگوریتم های فراابتکاری قابل حل است. قدرت جستجو در الگوریتم فراابتکاری ارتباط مستقیم با دقت انتخاب بهترین سهام در سبد پرتفوی دارد. الگوریتم هوش جمعی سالپ از الگوریتم های فراابتکاری جدید است که در انتخاب سبد بهینه سهام، نتایج خوبی داشته است. در این تحقیق راهکاری جدید جهت تقویت قدرت جستجو در الگوریتم هوش جمعی سالپ با استفاده از الگوریتم سینوس کسینوس ارائه شده است. در تحقیقات مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها جهت انتخاب بهینه سبد سهام است اما ﺑﻬﺘﺮ اﺳﺖ ﻣﻌﯿﺎرﻫﺎیی همچون ﭼﻮﻟﮕﯽ با در نظر گرفتن ﭘﺘﺎﻧﺴﯿﻞ آینده ﺳﻬﺎم نیز بررسی شود. در اﯾﻦ ﺗﺤﻘﯿﻖ از 20 ﺷﺮﮐﺖ اول از 50 ﺷﺮﮐﺖ ﺑﺮﺗﺮ ﺳﻪ ﻣﺎﻫﻪ اول سال 1398 اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. در اﯾﻦ تحقیق با استفاده از شبکه عصبی روبه جلو، پیش بینی قیمت پایانی آینده سهام انجام شده و ﺳﭙﺲ ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ جدید هوش جمعی سالپ سینوسی کسینوسی جهت انتخاب بهینه سبد سهام استفاده می شود. ﻧﺘﺎﯾﺞ ﺗﺤﻘﯿﻖ ﺑﯿﺎﻧﮕﺮ آن اﺳﺖ ﮐﻪ ﻣﺪلﻫﺎی اراﺋﻪ ﺷﺪه در اﯾﻦ ﻣﻘﺎﻟﻪ، در ﻣﻘﺎﯾﺴﻪ ﺑﺎ روشﻫﺎی ﺳﻨﺘﯽ و ﺷﺎﺧﺺ ﺑﺎزار، ﺑﺎزدﻫﯽ ﺑﺎﻻﺗﺮی را برای سرمایه گذاران فراهم می نماید.
Optimal stock portfolio selection is an optimization problem that can be solved by meta-heuristic algorithms. The search power of the meta-innovation algorithm is directly related to the accuracy of selecting the best stocks in the portfolio portfolio. salp swarm algorithm is one of the new meta-heuristic algorithms that has had good results in selecting the optimal stock portfolio. In this research, a new solution to strengthen the search power in salp swarm algorithm using cosine sine algorithm is presented. Research shows that all-in-one is one of the best ways to choose the best portfolio, but it is also important to consider the future as well. In the first twenty years of the stock market, from the first fifty years of 1398. In this research, using the forward neural network, the future final price of stocks is predicted and by new method for of cosine sine salp swarm algorithm is used to select the optimal stock portfolio. The results indicate that the model presented in this article, compared to traditional methods and market index, provides a higher yield for investors.
_||_