پیش‌بینی قیمت سهام با مدل ترکیبی متشکل از الگوریتم‌های فراابتکاری و الگوریتم یادگیری جمعی XGBoost

نویسندگان

1 کارشناسی ارشد مهندسی مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

2 استادیار گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران ( نویسنده مسئول)

3 استادیار گروه مدیریت، واحد نراق، دانشگاه آزاد اسلامی، نراق، ایران

doi
چکیده

با رشد و توسعه‌ی بازار سرمایه، سرمایه‌گذاران و بنگاه‌های اقتصادی زیادی در این بازار فعالیت کرده و از طریق روش‌هایی به دنبال پیش‌بینی‌پذیر کردن این بازار هستند. ازآنجایی‌که عوامل و متغیرهای زیادی در این بازار تأثیرگذار هستند استفاده از مدل‌های یادگیری ماشین می‌تواند در پیش‌بینی این بازار مؤثر واقع شود. هدف این پژوهش مقایسه الگوریتم‌ یادگیری جمعی XGBoost با مدل‌های ترکیبی متشکل از الگوریتم‌های فراابتکاری ژنتیک و بهینه‌سازی ازدحام ذرات با الگوریتم‌ یادگیری جمعی XGBoost می‌باشد. در این پژوهش به‌منظور مقایسه مدل‌ها دادهای قیمتی ۳ سهم طی سال‌های ۱۳۹۲ تا ۱۴۰۲ جمع‌آوری و پیش پرداز داده‌ها و پیاده‌سازی مدل‌ها انجام گرفت. همچنین جهت دستیابی به نتایج دقیق‌تر از ۳۱ متغیر مستقل شامل داده‌های قیمتی پایه و شاخص‌های تکنیکالی برای هر سهم استفاده شد. نتایج ارزیابی مدل‌ها حکایت از برتری مدل‌های ترکیبی متشکل از الگوریتم‌های فراابتکاری و الگوریتم‌های یادگیری ماشین نسبت به الگوریتم‌ یادگیری جمعی XGBoost را داشت. همچنین از میان مدل‌های ترکیبی، مدل ترکیبی متشکل از الگوریتم بهینه‌سازی ازدحام ذرات از دقت بالاتری برخوردار بود.