فهرست نشریات علمی دسترسی آزاد ایران

پیش بینی قیمت سهام یک کار پیچیده است که برای قرن ها سرمایه گذاران و تحلیلگران مالی را مجذوب خود کرده است. با افزایش هوش مصنوعی و یادگیری ماشینی، محققان مدل‌های مختلفی را برای پیش‌بینی قیمت سهام، استفاده از داده‌های تاریخی و روند بازار توسعه داده‌اند. هدف این مدل‌ها شناسایی الگوها و همبستگی‌های بین شاخص‌های اقتصادی، اخبار بازار و قیمت سهام برای پیش‌بینی دقیق است. با وجود اینکه در زمینه‏ی پیش بینی قیمت سهام، تحقیقات گسترده‏ای صورت گرفته، ولی با این حال با افزایش استفاده از فناوری‏های نوین ضرروت انجام این فعالیت‏ها همچنان پابرجاست، در این مقاله روشی مبتنی بر تلفیق روش‏های تکامل تفاضلی و جنگل تصادفی برای پیش بینی قیمت سهام ارائه شده است. در روش پیشنهادی جنگل تصادفی می تواند به طور موثر قیمت های بازار سهام را با مدیریت و بررسی داده ها پیش بینی کند و روش تکامل تفاضلی با انتخاب بهترین مقادیر برای پارامتر های جنگل تصادفی به بهبود دقت پیش بینی های بازار سهام کمک می کند. نتایج حاصل از پیاده سازی این روش بر روی داده های شرکت AMD بیانگر این است که تا حدود میانگین 74% نسبت به روش‏های جنگل تصادفی، شبکه عصبی و رگرسیون خطی دارای کاهش خطای آموزشی و همچنین تا حدود میانگین 55% نسبت به روش‏های ذکر شده دارای کاهش خطای تست بوده است. این موضوع برتری و موثر بودن روش مورد نظر نسبت به راهکارهایی مقایسه شده را نشان می دهد.