استفاده از الگوریتم ترکیبی عصبی کرم شب‌تاب و روش رگولاسیون بیزین جهت پیش‌بینی قیمت سهام

محورهای موضوعی : مهندسی مالی

سید علیرضا موسوی ¹ , افسانه غلامی ²

1 - عضو هیئت علمی دانشگاه آزاد اسلامی فیرزآباد گروه مدیریت، فارس، ایران.
2 - دانش اموخته کارشناسی ارشد مدیریت مالی دانشگاه ازاد اسلامی واحد فیروزاباد ، فیروزاباد ، فارس، ایران.

تاریخ دریافت : 1396/11/17 تاریخ پذیرش : 1397/03/03 تاریخ انتشار : 1397/07/01

کلید واژه: پیش‌بینی قیمت سهام, شبکه‌های عصبی مصنوعی, هوش مصنوعی, الگوریتم کرم شب‌تاب, تکنیک رگولاسیون بیزین,

چکیده مقاله :

پیش‌بینی قیمت سهام در آینده هم برای خریداران سهام و هم برای فروشندگان آن از اهمیت بالایی برخوردار است. از این رو، جهت توسعه مدلی مبتنی بر هوش مصنوعی به منظور پیش‌بینی قیمت سهام در بازار ایران از شبکه‌های عصبی مصنوعی در این پژوهش استفاده گردیده است. از آنجایی که شبکه‌های عصبی مصنوعی می‌بایست جهت حصول بهینه‌ترین عملکرد دارای بهترین توپولوژی شبکه باشند، از الگوریتم فرا ابتکاری شناخته‌شده‌ای تحت عنوان کرم شب‌تاب جهت یافتن ساختار بهینه شبکه استفاده گردیده است. در نهایت نیز جهت حفظ هرچه بیشتر عمومیت شبکه از روش رگولاسیون بیزین، به جای روش های متداول آموزش، جهت آموزش شبکه استفاده گردیده است. بطور کلی، داده‌های مربوط به سه شرکت بزرگ: ایران خودرو، پتروشیمی شیراز و ذوب آهن اصفهان برای سه سال متوالی مورد جمع‌آوری قرار گرفته و از پارامترهای: حجم معاملات، قیمت بالا، قیمت پایین، قیمت باز، قیمت پایانی، EMA(5)، EMA(10)، RSI، William R%، Stochastic k%، Stochastic D%، و ROC بعنوان ورودی شبکه و از قیمت پایانی سهام در روز آینده بعنوان خروجی شبکه عصبی استفاده گردیده است. پس از توسعه مدل مرتبط با هر شرکت از پارامترهای آماری نظیر: مجذور میانگین مربعات خطا (RMSE)، انحراف از معیار خطا (SDE)، متوسط مطلق خطای نسبی (AARD)، ضریب رگرسیون (R2)و همچنین آنالیز گرافیکی نمودار خطای نسبی جهت سنجش دقت شبکه توسعه داده شده استفاده گردیده است. نتایج حاصل از آنالیز خطای شبکه‌های عصبی توسعه داده شده نشان می‌دهند که مدل‌های مذکور با دقت بسیار مناسبی قادر به پیش‌بینی قیمت سهام در روز آینده برای شرکت‌های ذکر شده می‌باشند.

چکیده انگلیسی:

Predicting the future stock price has always been considered as an important issue by both buyers and sellers. Hence, Artificial Neural Network (ANN) was used in this study to develop a model pertaining to artificial intelligence in order to predict stock price in Iran Stock Market. Since artificial neural networks should consist of the best network topology to achieve the highest performance, Firefly Algorithm (FA), a meta-heuristic Algorithm, was used to find the optimal structure of network. Finally, Bayesian regulation technique, rather than the conventional teaching techniques, was applied to maintain the more generalized network. In general, Data from three big companies: Iran Khodro Company, Shiraz Petrochemical Company, and Isfahan Steel Companywere gathered in span of three years. This paper profited from some parameters, including high price, low price, the opening price, closing price, EMA(5) ،EMA(10) ،RSI ،William R% ،Stochastic k% ،Stochastic D% و ،ROCas network inputs and benefited from the closing stock price in the next days as the neural network as well. After developing a model associated with each company, some parameters such as the root-mean-square error (RMSE), Standard Deviation of error(SD), Absolute average relative deviation (AARD), the regression coefficient (R2) as well as the graphical analysis of relative deviation have been used to examine the accuracy of the developed network. The outcomes of the analysis of the developed neural networks revealed that the mentioned models with great accuracy are able to predict stock price in the subsequent day for the corporations mentioned above.