جعفر باباجانی - عضو هیات علمی گروه حسابداری دانشگاه علامه طباطبائی
محمدرضا تقوا - عضو هیات علمی گروه مدیریت صنعتی دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی
قاسم بولو - عضو هیات علمی گروه حسابداری دانشکده مدیریت و حسابداری دانشگاه علامه طباطبائی
محسن عبدالهی - دکتری مدیریت مالی دانشگاه علامه طباطبائی

این پژوهش با رویکرد ترکیبی، با به کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش­بینی قیمت سهام در بورس تهران است. برای این منظور با استفاده از داده های سهام پذیرفته شده در بازار اول تابلوی اصلی بورس تهران که طی سال­های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مولفه­های تکنیکال و بنیادی متعدد، با به کارگیری فرآیند رگرسیون-همبستگی قدم به قدم (SRCS)، مولفه­های موثر بر قیمت سهام انتخاب شده و به عنوان ورودی مدل تعریف می­شود. در مرحله بعد، الگوریتم کلونی زنبورعسل مصنوعی (ABC) در یک فضای طراحی پارامتری، برای بهینه کردن وزن­ها و تورش­های شبکه عصبی بازگشتی بکار گرفته می­شود. برای ارزیابی عملکرد مدل، از چندین معیار برای سهام شرکت­های پذیرفته شده در بورس تهران استفاده می­شود. نتایج نشان دهنده آن است که استفاده از شبکه عصبی بهینه شده با الگوریتم کلونی زنبورعسل مصنوعی، دقت قابل ملاحظه ای در مقایسه با سایر روش­های پیش­بینی دارد.

پیش بینی قیمت سهام, رگرسیون-همبستگی قدم به قدم (SRCS), شبکه عصبی بازگشتی (RNN), الگوریتم کلونی زنبور عسل مصنوعی (ABC)