الگوی ترکیبی پیشبینی رفتارهای متغیر قیمت در بازار سهام
نویسندگان
1 گروه مدیریت. دانشکده اقتصاد و علوم اجتماعی. دانشگاه شهید چمران اهواز. اهواز. ایران
2 گروه مدیریت. دانشکده اقتصاد و علوم اجتماعی. دانشگاه شهید چمران اهواز. اهواز. ایران
3 گروه مدیریت، دانشکده اقتصاد و علوم اجتماعی. دانشگاه شهید چمران اهواز. ایران
doi
10.22034/smsj.2023.383003.1781چکیده
هدف پژوهش حاضر، ارزیابی روشهای فرا ابتکاری جهت پیشبینی رفتار قیمت سهام و معرفی کارآمدترین روش در بازار سهام ایران است. بدلیل نااطمینانی در زمینه سرمایهگذاری و کثرت متغیرها، سرمایهگذاران به روش پیشبینی روی میآورند که بهواسطه آنها، تخمینهایشان به واقعیت نزدیک و خطایشان کم شود. در این پژوهش، به پیشبینی قیمت سهام 5 شرکت پذیرفتهشده در شاخص فلزات اساسی بورس اوراق بهادار تهران در یک بازه زمانی سه ساله، با شرط فقدان توقف معاملاتی پیوسته برای مدت بیش از 3 ماه پرداخته شد. بدین منظور، متغیرهای بهینه از بین 9 متغیر اولیه و پرکاربرد با استفاده از روشهای انتخاب ویژگی، الگوریتمهای فرا ابتکاری شاهین هریس و وال انتخاب و سپس با استفاده از شبکههای عصبی پس انتشار خطا، شبکه عصبی پایه شعاعی و شبکه عصبی با تأخیر زمان به پیشبینی قیمت سهام پرداخته شد. نتایج نشان داد که در پیشبینی قیمت سهام فملی، زنگان، فرآور، فاسمین و فولاد به ترتیب WOATD، HHOTD، HHOTD، HHOTD و HHORBF مدل برتر هستند. همچنین نتایج نشان میدهد که روش تکاملی شاهین هریس در یافتن ویژگیها نسبت به روش تکاملی وال بهتر عمل کرده است. با توجه به نتایج، مدل HHOTD نسبت به بقیه مدلها از دقت و کارایی بالاتری برخوردار است.