ارائه ی مدلی چندتایی از شبکه عصبی پرسپترون با انتخاب نمونه ها توسط الگوریتم گروه جوجه مرغ برای پیش بینی های مالی
کد مقاله : 1198-ICTCK (R1)
نویسندگان:
1رضا حقیقی نیت *، 2مهرداد جلالی
1دانشجو
2کمیته علمی
چکیده مقاله:
به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش‌بینی، نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائه مدل‌های ترکیبی سعی در ارائه سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده‌اند. در اکثر مدل‌های پیش‌بینی کننده، سیستم فقط با استفاده از اطلاعات یک شاخص به پیش‌بینی پرداخته، ولی در مدل پیشنهادی، از یک ساختار دوطبقه که طبقه اول آن از شبکه‌های عصبی پرسپترون چندلایه به‌عنوان پیشگو تشکیل‌شده و هرکدام به‌صورت مستقل از دیگر سیستم‌ها، برای پیش‌بینی شاخص خاصی از داده‌های مختلف آموزش‌دیده و به پیش‌بینی شاخص معینی می‌پردازد و در طبقه دوم نیز یک شبکه عصبی پرسپترون چندلایه ترکیب‌کننده قرار دارد که با استفاده از مکانیسم انتخاب بهترین نمونه‌ها به کمک الگوریتم بهینه‌سازی گروه جوجه مرغ‌ها، آموزش می‌بیند و درنهایت خروجی نهایی مدل را فراهم می‌سازد. نتایج به‌دست‌آمده نشان می‌دهد که مدل پیشنهادی توانسته با خطای پیش‌بینی پایین‌تری نسبت به دیگر مدل‌ها عمل کند. در این پژوهش با توجه به عوامل مؤثر شناخته‌شده در قیمت سهام شرکت‌ها، به‌عنوان نمونه به پیش‌بینی شاخص شرکت بورس اوراق بهادار تهران که شامل سه مجموعه داده شاخص قیمت بورس، حجم معاملات و نرخ بازده می‌باشد، پرداخته‌شده است.
کلیدواژگان:
الگوریتم تکاملی گروه جوجه مرغ‌ها، شبکه عصبی پرسپترون چندلایه، پیش‌بینی، سری زمانی.
وضعیت : مقاله پذیرفته شده است