بررسی آموزش شبکه عصبی با استفاده از الگوریتم های فراابتکاری به منظور پیش بینی شاخص کل در بورس ایران

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.