علیرضا سارنج - استادیار، گروه حسابداری و مدیریت مالی، پردیس فارابی، دانشگاه تهران
مجید قدس - MBA، پردیس فارابی، دانشگاه تهران
رضا تهرانی - استادتمام، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع­های مهم و موردتوجه محافل علمی و سرمایه گذاری بوده است. در سالیان گذشته مدل­های گوناگونی برای پیش بینی با استفاده از شبکه عصبی و مدل­های ترکیبی پیشنهاد شده اند که از مدل­های سنتی عملکرد بهتری داشتند. در این پژوهش یک مدل ترکیبی از شبکه عصبی و تبدیل موجک پیشنهادشده است که از الگوریتم ژنتیک برای بهینه­سازی تابع پایه تبدیل موجک با هدف حداکثر نمایی کارایی این تبدیل، استفاده شده است. داده­های مورداستفاده برای این پژوهش داده­های روزانه از تاریخ 02/02/1391 تا تاریخ 30/01/1396 است. نتایج این پژوهش نشان داد که با این روش می توان تابع پایه ای متناسب با ویژگی­های ذاتی سری زمانی برای پیش بینی یافت که خطای پیش بینی در این مدل نسبت به مدل شبکه عصبی و مدل ترکیبی شبکه عصبی و تبدیل موجک کاهش یابد.

پیش بینی شاخص کل بورس اوراق بهادار, الگوریتم های فراابتکاری, شبکه های عصبی, تبدیل موجک