25650

مقايسه قدر پيش بيني مدلهاي شبكه عصبي، الگوريتم فراابتكاري و اقتصادسنجي:مورد مطالعه قيمت سهام سايپا در ب.رس اوراق بهادار ايران

كارشناسي ارشد

اقتصاد

1397

1400/08/30

سعيد شوال پور

مديريت، اقتصاد و مهندسي پيشرفت

امروزه شبكه‌هاي عصبي مصنوعي به صورت گسترده‌اي، با هدف دستيابي به كارايي شبه انساني مطالعه مي‌شوند. اين شبكه‌ها از عناصر محاسباتي خطي و غير خطي كه به‌طور موازي عمل مي‌كنند، تشكيل شده‌اند. بورس سهام يك محور اصلي در اقتصاد در حال رشد و شكوفايي است و هر سرمايه گذاري در بازار با هدف به حداكثر رساندن سود و حداقل كردن ريسك سرمايه گذاري مي‌كند، پيش بيني حركت قيمت سهام نقش مهمي در تعيين استراتژي سرمايه گذاري يا تعيين زمان مناسب براي معاملات دارد. از طرفي بازار سهام يك سيستم غير خطي و آشوبناك، غير مقياس پذير و غير پارامتري است، بنابراين بررسي اين سيستم بسيار دشوار به نظر مي‌رسد. ما در اين پژوهش به مقايسه پيش بيني قيمت سهام سايپا با استفاده از شبكه عصبي پرسپترون چند لايه (MLP) منفرد، تركيب شبكه عصبي MLP با الگوريتم ژنتيك (MLP+GA)، تركيب شبكه عصبي MLP با الگوريتم رقابت استعماري (MLP+ICA)، شبكه عصبي MLP با الگوريتم شاهين هريس (MLP+HHO) و خودرگرسيون ساختاري برداري (SVAR) پرداخته‌ايم، كه از معيارهاي خطاي پيش بيني RMSE و MSE براي مقايسه مدل‌ها استفاده كرده‌ايم. نتايج نشان دهنده‌ي اين بوده است كه تركيب MLP+GA از كارايي بهتري نسبت به ديگر مدل‌ها برخوردار بوده است يعني RMSE و MSE كمتري نسبت به ديگر مدل‌ها را داشته است.

1400/09/08

Comparison of predictive power of neural network methods, meta-innovative algorithm and econometrics: A case study of Saipa stock price in Tehran Stock Exchange

11/21/2022 12:00:00 AM

Today, artificial neural networks are widely studied with the aim of achieving human-like efficiency. These networks are composed of linear and nonlinear computational elements that operate in parallel. The stock market is a major axis in a growing and prosperous economy, and every investment in the market aims to maximize profits and minimize risk. Predicting stock price movements plays an important role in determining the investment strategy or determining the right time for trading. On the other hand, the stock market is a non-linear and chaotic system, scalable and non-parametric, Therefore, it seems very difficult to study this system. In this study, we compare Saipa stock price forecast using single multilayer perceptron neural network (MLP), combining MLP neural network with genetic algorithm (MLP + GA), combining MLP neural network with colonial competition algorithm (MLP + ICA), MLP neural network with Harris hawk algorithm (MLP + HHO) and structural vector autoregression (SVAR). We have used RMSE and MSE prediction error criteria to compare models. The results showed that the combination of MLP + GA had better performance than other models, ie RMSE and MSE had less than other models.

شبكه عصبي , پيش بيني , ژنتيك , رقابت استعماري , شاهين هريس , خودرگرسيون ساختاري برداري، , قيمت

Neural Network , Predicting , Genetics , Imperialist Competitive , Hawks Optimization Harris , Vector Structural Autoregression , Price