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.2023.383003.1781
چکیده

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.