پیش بینی روند قیمت در بازار سهام با استفاده از الگوریتم جنگل تصادفی
محورهای موضوعی : مهندسی مالی
الهام غلامیان
1
,
سید محمدرضا داودی
2
1 - کارشناسی ارشد مهندسی صنایع ،گرایش سیستم‌های اقتصادی-اجتماعی، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران
2 - استادیار، گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران
کلید واژه: آنتروپی, رگرسیون لجستیک, الگوریتم جنگل تصادفی, پیش بینی قیمت سهام, شاخص های تکنیکی,
چکیده مقاله :
فعالان بورس درصدد دستیابی و به کارگیری روش هایی هستند تا بتوانند با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر می رسد که روش های مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایه گذار قرار گیرد. تاکنون روش های مختلفی جهت نیل به این هدف معرفی شده اند که اغلب روش های آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصادفی که در زمره روش های طبقه بندی هوش مصنوعی می باشد، به همراه شاخص های فنی: شاخص قدرت نسبی قیمت، استوکاستیک، حجم تعادل موازنه شده، ویلیامز R%، بازده ی روزانه و شاخص سری مک دی به دنبال پیش بینی روند قیمت در بازار سهام و مقایسه آن با روش‌های موجود است. نتیجه ی پژوهش بر روی داده های روزانه شاخص بورس اوراق بهادار تهران در سالهای 1393 تا 1395 نشان می دهد که دقت روش پیشنهادی در برآورد روند بازار 64 درصد می باشد و نسبت به دو روش مقایسه شده رگرسیون لجستیک و روش کاملا تصادفی از دقت بالاتری برخوردار است.
Stock market activists are the acquiring and using methods to predict future stock prices, increasing their capital gains. Therefore, it seems necessary that appropriate, correct, and scientific principles are used to determine the future price of the stock of investor stock options.stock price prediction is an important part of investment, and in most cases it is the field of research for researchers, because it ultimately leads to the choice of appropriate investment. Different methods have now been developed to achieve this goal. Have been introduced that are often statistical methods and artificial intelligence. In this research, using a randomized approach approach that is among artificial intelligence classification methods, along with technical indicators that include: power index Relative Price, Stochastic, Equilibrium Balance, Williams R%, Daily Returns, and Mac.d Series Markets, are looking for stock price trends. This model is compared with logistic regression method and completely randomized method (dice throw). The results of the research on daily data of Tehran Stock Exchange Index from 1393 to 1395 indicate that the accuracy of the proposed method in estimating market trend is 64%, which is more than two methods of logistic regressionand completely randomized method of accuracy Has a higher rate.
_||_