مریم ربانی ابوالفضلی - دانشگاه آزاد اسلامی واحد مشهد
سعید طوسی زاده - دانشگاه آزاد اسلامی واحد مشهد

بدلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش بینی، نتایج خوبی بهمراه ندارد. به همی ندلیل محققان با ارایه ی مدل های ترکیی سعی در ارایه ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده اند. در اکثر مدل های پیش بینی کننده، سیستم فقط با استفاده از اطلاعات یک شاخص به پیش بینی پرداخته، ولی در مدل پیشنهادی یک سیستم دو سطحی از شبکه های عصبی پرسپترون چند لایه پیشنهاد می شود و از چندین شاخص برای پیش بینی استفاده می شود و همچنین برای آموزش بهتر شبکه ی عصبی و در نتیجه بهبود نتایج بدست آمده، از الگوریتم بهینه سازی اجتماع عنکبوت ها برای انتخاب بهترین نمونه ها برای آموزش شبکه عصبی استفاده شده است و نتایج بدست آمده نشان می دهد که مدل پیشنهادی توانسته با خطای پیش بینی پایین تری نسبت به دیگر مدل ها عمل کند.

الگوریتم بهینه سازی اجتماع عنکبوت ها، شبکه عصبی پرسپترون چند لایه، پیش بینی، سری زمانی