ارائه مدل تلفیقی فرا ابتکاری هوشمند ( انفیس –ام جی جی پی) ؛ جهت پیش بینی (بازده سهام) با سرعت و دقتی بالاتر نسبت به سایر روش های فراابتکاری
محورهای موضوعی : مهندسی مالیمحمود کهنسال کفشگری 1 , علیرضا زارعی 2 , رضا بهمنش 3
1 - گروه حسابداری، واحد اصفهان (خوراسگان), دانشگاه آزاد اسلامی ، اصفهان ، ایران
2 - گروه حسابداری، واحد فلاورجان، دانشگاه آزاد اسلامی، اصفهان،ایران
3 - گروه مهندسی صنایع ، موسسه آموزش عالی نقش جهان ، اصفهان ، ایران
کلید واژه: "فرابتکاری", شبکه عصبی", "بازده سهام ", " انفیس ",
چکیده مقاله :
محقق در صدد ارائه یک مدل دقیق ،کاربردی و اثربخش برای پیش بینی بازده سهام جهت سرمایه گذاران می باشد.نمونه آماری این تحقیق مشتمل بر138 شرکت فعال در بازار بورس و فرابورس اوراق بهادار تهران طی سال های 1387 تا 1396 می باشد که با روش حذف سیستماتیک انتخاب شده است ، بنابراین برای هر متغیر این پژوهش تعداد 1380 داده- سال،جهت بررسی سوالات تحقیق در نظر گرفته شده است.در این تحقیق از تکنیک انفیس،ام جی جی پی ، شبکه عصبی و تجزیه و تحلیل داده ها و همچنین آزمون های آماری متفاوت برای بررسی دقت و سرعت مدل ها استفاده شد .برای پیاده سازی تکنیک های فوق الذکر به ترتیب از نرم افزار های متلب و ژن اکس پرو تولز استفاده می شود. نتایج تحقیق حاکی از آن بود که جهت پیش بینی بازده سهام استفاده از روش ترکیبی انفیس – ام جی جی پی نسبت به سایر مدل های فرا ابتکاری از دقت و سرعت بالاتری برخوردار است ؛ زیرا ابتدا بهینه ترین متغیر های ورودی از طریق تکنیک انفیس انتخاب و بعد با استفاده از مدل فرا ابتکاری ام جی جی پی پیش بینی صورت می پذیرد.
Discussions about forecasting Stock returns in developed countries has long been regarded as one of the most interesting scientific topics.However,due to many problems,the correct prediction of stock returns has remained a matter of strengthTtherefore,the researcher seeks to provide an accurate,practical and effective model for predicting stock returns for investors.The statistics sampel of research is consist of 138 active companies in Tehran Stock Exchange from 2008 to 2017 wich are selected by the systematic removal method . ANFIS,MGGP, regresion and neural network and different statistics tests are used for data analysis. For impelement of these techniques MATLAB and GenXproTools software are used respectively.The result of the study showed that in oreder to predict stock returns.the use of a meta –heuristic Hybrid models is more accurate and faster than other meta huristic models.Because ,first the most optimal input variables are selected through the ANFIS technique and then predicted using theMGG meta heuristic model.Therefore,due to the correct choice of input variables,predicting stock returns is both more accurate and faster.In addition ,the mathematical model is used to predict.
_||_
