بررسی آموزش شبکه عصبی با استفاده از الگوریتم های فراابتکاری به منظور پیش بینی شاخص کل در بورس ایران
محل انتشار: فصلنامه تحلیل بازار سرمایه، دوره: 1، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 252
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCMA-1-2_008
تاریخ نمایه سازی: 6 بهمن 1401
چکیده مقاله:
پیش بینی و آنالیز حرکات بازار سهام موضوع بسیار مهم برای محققان، معامله گران و تحلیل گران بازار می باشد و نقش مهمی در اقتصاد امروز دارد. تنوع در سیاست هایی مانند سیاست های دولتی و سیاست های اقتصادی بر بازار سرمایه تاثیر می گذارند و باعث تغییرات قیمتی سهام می شوند. پیش بینی حرکات بازار به صورت روزانه، به دلیل غیرخطی بودن و آشوبناک بودن حرکات قیمت سهام کار بسیار مشکلی می باشد. روش های مختلفی برای پیش بینی در بورس وجود دارد. تکنیک های هوش مصنوعی به صورت گسترده برای پیش بینی داده های با ساختار غیرخطی و آشوبناک به کار گرفته شده اند. یکی از این تکنیک ها استفاده از شبکه های عصبی می باشد. درصورتی که شبکه عصبی به درستی آموزش داده شود، خطای کمتری در پیش بینی خواهد داشت. در این پژوهش با استفاده از ۸ الگوریتم فراابتکاری اقدام به آموزش شبکه عصبی پرسپترون چندلایه خواهیم کرد و به پیش بینی شاخص کل بورس تهران خواهیم پرداخت. نتایج به دست آمده از این پژوهش نشان داد که الگوریتم بهینه سازی گرگ خاکستری دارای کمترین خطا در آموزش شبکه عصبی دارد.
کلیدواژه ها:
نویسندگان
سیداحمد میرزائی
دانشگاه آزاد اسلامی واحد اسفراین، اسفراین، ایران
زکیه نیکدل
دانشگاه آزاد اسلامی واحد نیشابور، نیشابور، ایران
زهرا نیکدل
دانشگاه آزاد اسلامی واحد نیشابور، نیشابور، ایران