عنوان: مدل سازی پیش بینی قیمت سهام با استفاده از شبکه های عصبی فازی و روش های ترکیبی
نویسنده: امیر افسر
استاد راهنما: دکتر عادل آذر
رشته و گرایش تحصیلی: مدیریت صنعتی - تحقیق در عملیات

چکیده:

امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد کشور را تشکیل می دهد، به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانند بالاترین بازده را از سرمایه گذاری خود كسب نمایند. اغلب در سالهای گذشته، از روشهای کلاسیک برای پیش بینی قیمت سهام استفاده می نمودند. با این وجود، بازار سهام یک سیستم غیرخطی است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی است. بنابراین استفاده از روشهای کلاسیک برای تصمیم گیری صحیح برای معاملات بورس بسیار بسیار مشکل است. با پیشرفت و توسعه روشهای غیر خطی همچون شبکه های عصبی، شبکه های عصبی فازی، و الگوریتم ژنتیک، می توان از این روش ها برای پیش بینی قیمت سهام استفاده نمود.
در این تحقیق، سه سناریو مطرح می شود: 1) پیش بینی قیمت سهام با رویکرد روش های کلاسیک، 2) پیش بینی قیمت سهام با رویکرد روش های هوش مصنوعی، و 3) پیش بینی قیمت سهام با رویکرد سیستم های هوشمند ترکیبی. بدین منظور ابتدا مدل های منفرد روش های کلاسیک از قبیل روش های هموارسازی نمایی، تحلیل روند، ARIMA و روشجهای هوش مصنوعی همچون شبکه های عصبی مصنوعی و شبکه های عصبی فازی طراحی شده و ارزیابی عملکرد می شوند. سپس سناریوی سوم، یعنی ترکیب مدل های منفرد جهت ارایه مدل های ترکیبی مورد بررسی قرار گرفته و چهار مدل ترکیبی با توجه به مدل های منفرد طراحی شده است. نتایج تحقیق بیانگر این حقیقت است که برخی از مدل های ترکیبی از تمامی روش های کلاسیک و هوش مصنوعی بهتر عمل نموده و دارای ویژگیهایی همچون همگرایی سریع، دقت بالا، و توانایی تقریب تابع قوی بوده و برای پیش بینی قیمت سهام مناسب هستند.
کلیدواژه ها: شبکه های عصبی مصنوعی، شبکه های عصبی فازی، الگوریتم ژنتیک، پیش بینی، قیمت سهام، سیستم های هوشمند ترکیبی