الگوریتم تجمعی ذرات به عنوان یک روش انتخاب ویژگی در پیش بینی خطر سقوط قیمت سهام

مساله انتخاب ویژگی، یکی از مسایل مهم در مبحث یادگیری ماشین است که در بسیاری از کاربردها اهمیت بسزایی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد که بسیاری از آنها یا بلا استفاده اند و یا اینکه بار اطلاعاتی زیادی ندارند. عدم حذف این ویژگیها بار محاسباتی را بالا میبرد. این مساله در مباحث مالی نیز حایز اهمیت است مخصوصا در مباحث مربوط به پیش بینی های بازار سرمایه اهمیت بیشتری پیدا می کند. یکی از موضوعات مهم در بورس ایران، خطر سقوط قیمت سهام است که عوامل زیادی بر آن تاثیر دارند، بنابراین شناسایی متغیرهای بهینه در این مورد از اهمیت زیادی برخوردار است. هدف پژوهش حاضر، شناسایی متغیرهای بهینه در پیش بینی خطر سقوط قیمت سهام با استفاده از الگوریتم تجمعی ذرات به عنوان یک روش انتخاب ویژگی، به تفکیک هر کدام از معیارهای محاسبه خطر سقوط قیمت سهام می باشد. نتایج نشان می دهد که در هر کدام از معیارها، متغیرهای متفاوتی به عنوان متغیر بهینه انتخاب شده است.