فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، با ترکیب روش‌های تحلیل مؤلفه‌های اصلی و مجموعه‌های راف، مدلی به منظور پیش‌بینی قیمت سهام ارائه شده است. به این منظور، با استفاده از داده‌های قیمتی شرکت ایران خودرو، ابتدا تعدادی از شاخص‌های تکنیکال محاسبه شدند. به منظور کاهش بعد ماتریس تصمیم، به روش تحلیل مؤلفه‌های اصلی، متغیرهایی جدید به گونه‌ای انتخاب شدند که حداکثر ویژگی‌های داده‌های اولیه حفظ شود. از این متغیرها در ماتریس تصمیم، به عنوان مؤلفه‌های شرطی استفاده می‌شود و متغیر تصمیم، نوسان قیمت سهم در روز بعد می‌باشد. داده‌ها به روش‌های مختلف گسسته‌سازی و به دو دسته یادگیری و کنترل تقسیم شدند. سپس با استفاده از تئوری مجموعه‌های راف بر روی داده‌های یادگیری، قواعد تصمیم استخراج و اعتبار آنها بر روی داده‌های کنترل، ارزیابی شد. نتایج به دست آمده از مدل ترکیبی با نتایج حاصل از مدل مجموعه‌های راف مقایسه شد. با بررسی ضرایب متغیرهای اولیه در عامل‌های جدید این موضوع مهم قابل نتیجه‌گیری است که با حفظ بخش عمده خواص داده‌های اولیه، پنج متغیر اولیه قابل کاهش به دو عامل جدید بوده و قابلیت نام‌گذاری دارند که این موضوع نقش مهمی در کاهش تعداد قواعد تصمیم و ملموس بودن استفاده از آنها دارد. درصد پیش‌بینی‌های صحیح قواعد استخراج شده از مدل ترکیبی نسبت به مدل رقیب یعنی مدل مجموعه‌های راف، بیشتر و تعداد قواعد کمتر می‌باشد. به منظور بررسی استحکام مدل، داده‌های بازه سال‌های 1398-1383 شرکت ایران خودرو و همچنین داده‌های سالیانه بانک صادرات ایران مورد بررسی قرار گرفتند که نتایج با یافته‌های قبلی مطابقت داشتند.