پیش‌بینی روند قیمت سهام در بورس ایران مبتنی بر ترکیب شبکه‌های بیزین و مدل مخفی مارکوف
محورهای موضوعی : مهندسی مالیزهره علامتیان 1 , مجید وفایی جهان 2
1 - دانشجوی دکتری، گروه کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
2 - دانشیار، گروه کامپیوتر، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد مشهد،ایران
کلید واژه: شاخص بورس, مدل مخفی مارکوف, اندیکاتور تکنیکی, بورس, شبکه بیزین,
چکیده مقاله :
رفتار سهام و روند تغییرات آن یکی از پیچیده ترین مکانیزم‌هایی است که همواره مورد توجه محققان می‌باشد. بورس تحت تاثیر عوامل مختلف بیرونی و درونی قرار دارد. عوامل تاثیرگذار بیرونی مانند عوامل سیاسی و اجتماعی قابلیت اندازه‌گیری ندارند، به همین جهت برای پیش‌بینی روند بورس، باید بر روی تاثیر عوامل درونی تمرکز نمود. در این پژوهش سیستم ترکیبی مبتنی بر شبکه‌های بیزین و مدل مخفی مارکوف، جهت پیش‌بینی روند روزانه بورس ایران پیشنهاد شده است. برای سهام هر شرکت، 6 شاخص بورس اوراق بهادار تهران که دارای بالاترین ضریب همبستگی می‌باشند و 22 اندیکاتور تکنیکی به عنوان متغیرهای ورودی در فاز پیش‌پردازش استفاده می‌شوند. از شبکه‌های بیزین جهت مشخص نمودن روابط بین متغیرها و از جداول احتمال شرطی آن برای بررسی تاثیر هر متغیر در پیش‌بینی استفاده می‌شود. در نهایت از مدل مخفی مارکوف برای پیش‌بینی روند بازار در مجموعه های استخراج شده از شبکه بیزین، استفاده می‌شود. مدل پیشنهادی بر روی سهام چهار شرکت داخلی به نام فولاد مبارکه اصفهان، ایران خودرو، بانک ملت و ایران دارو مورد بررسی قرار گرفته است. معیارهای ارزیابی در سیستم پیشنهادی، کارایی بالای این روش را نشان می‌دهند. بالاترین درصد صحت سیستم پیشنهادی 85.25 و متوسط درصد صحت آن 83.26 می‌باشد.
Stock market behavior is one of the most complex mechanisms, considered by researchers. Financial markets are influenced by the external and internal factors. External factors such as political and social factors are not measurable, so prediction the trend of stock markets is focused on internal factors. This study suggests a hybrid approach based on Bayesian Networks and Hidden Markov Models to predict trend of stock market. The used variables are 6 index of Tehran Stock Exchange, which have the most correlation coefficient with target stock, and 22 technical indicators. Bayesian networks are utilized to find the relationships between variables, and the effect of each variable in prediction considered from conditional probability tables. Hidden Markov Model is designed for sets of extract from Bayesian networks. The proposed model tested on four company’s stock names Mobarakeh Steel, Iran Khodro, Mellat Bank and Iran drug. The average accuracy of the proposed system is 83.26 %. The experimental results show that the suggested procedure has higher performance for prediction of stock markets in comparison with other previous methods.
_||_