پژوهش حاضر پیش بینی شاخص کل بورس اوراق بهادار تهران را با روش تحلیل طیفی تکین مبتنی بر الگوریتم ژنتیک و تحلیل طیفی تکین هم پوشانی مورد تحلیل می باشد. به لحاظ هدف کاربردی و از حیث روش، توصیفی-تحلیلی است. جامعه آماری این پژوهش ، قیمت روزانه شاخص کل بورس اوراق بهادار تهران در بازده زمانی ده ساله(1388 تا 1397) و نمونه پژوهش نیز 2411 داده از بازده لگاریتمی شاخص مورد نظر می باشد. ابتدا الگوریتم ژنتیک در روش SSA بر روی شاخص پیاده سازی شد. سپس، با استفاده از روش Ov-SSA به منظور بهبود بازسازی و تفکیک‌پذیری مولفه-ها، سری‌های زمانی اولیه و بزرگ به قسمت‌های کوچک و متوالی مشترک تقسیم گردیدند و روش تحلیل SSA استاندارد برای هر قسمت بکار گرفته شد. نتایج پژوهش نشان داد که روش تحلیل SSA هم پوشانی با داشتن خطای قدرمطلق میانگین کمتر، عملکرد بالاتری نسبت به روش تحلیل SSA مبتنی بر الگوریتم ژنتیک دارد. پرونده مقاله

نوسانات در بازارهای مالی با سیگنال و نویز همراه می‌باشد. در این مقاله علاوه بر تجزیه‌وتحلیل طیفی تکین، برای پیدا کردن طول پنجره و نقطه برش بهینه از الگوریتم ژنتیک استفاده‌شده است که تابع هدف آن، یافتن حداقل مقدار برای تابع همبستگی میان مؤلفه‌های سیگنال و نویز می‌باشد. بدین خاطر ابتدا دادهای ده‌ساله شاخص کل بورس اوراق بهادار تهران طی سال‌های 1388 تا 1397 با استفاده از روش تجزیه طیفی تکین در سه پیاده‌سازی شد. سپس در قالب یک مسئله بهینه‌سازی توسط الگوریتم ژنتیک حل شد. نتایج حاصل از فرضیه اول نشان داد که تفکیک‌پذیری سیگنال و نویز درروش تحلیل طیفی تکین امکان‌پذیر می‌باشد. هم‌چنین با توجه به نتایج حاصل در تحقیق، تحلیل طیفی تکین مبتنی بر الگوریتم ژنتیک با داشتن خطای قدر مطلق میانگین کمتر، بهبود در دقت پیش‌بینی را نشان داد. درنهایت نیز با توجه به یافتن کمترین همبستگی وزنی بین مؤلفه‌های سری زمانی جهت تفکیک سیگنال و نویز (یافتن نقطه‌ی برش) و سپس با دست آوردن طول پنجره‌ی بهینه در تحلیل طیفی تکین مبتنی بر الگوریتم ژنتیک، گویای این واقعیت است که تغییر در مقدار پارامترها می‌تواند در بهبود عملکرد روش تحلیل طیفی مفید واقع شود. پرونده مقاله