چکیده:
هدف مقاله حاضر پیشبینی قیمت سهام به وسیله الگوریتم ترکیبی GA-SVM میباشد. پیشبینی سریهای زمانی مانند پیشبینی قیمت سهام یکی ازمهمترین مشکلات درحوزه مالی است، زیرا دادهها ناپایدار بوده و دارای متغیرهای نویزی میباشند که تحتتاثیرعوامل زیادی قرار دارند. در شرایط واقعی نیز شناسایی حرکات سری زمانی شاخص قیمت سهام بسیار پیچیده میباشد. بنابراین استفاده از یک مدل کلاسیک به تنهایی نمیتواند پیشبینی دقیقی از شاخصهای قیمت سهام داشته باشد. از اینرو با بکارگیری روشهای ترکیبی میتوان عدم اطمینان در پیشبینی را کاهش داد. در پیشبینی قیمت سهام در بخش مالی بیش از 100 شاخص برای درک رفتار بازار سهام ایجاد شده است، بنابراین شناسایی شاخصهای مناسب یک مشکل چالش برانگیز است. یکی از تکنیکهایی که اخیراً برای پیشبینی سریال مورد بررسی قرار گرفته است، رگرسیون پشتیبانی بردار (SVR) است. این مطالعه از الگوریتم ترکیبی GA-SVM برای پیشبینی شاخص قیمت سهام استفاده میکند. نتایج تجربی نشان میدهد که الگوریتم پیشنهادی جایگزین مناسبتر و امیدوار کنندهتری برای پیشبینی بازار سهام فراهم میآورد.
The purpose of this paper is to predict stock prices using the Hybrid GA-SVM algorithm. Predicting time series such as stock price forecasting is one of the most important issues in the financial field. In real life, identifying time series movements in stock price indices is very complex. Therefore, the use of a classical model alone cannot accurately predict stock price indices. Hence, by using combined methods, uncertainty in forecasting can be reduced. In stock price forecasting in the financial sector, more than 100 indicators have been created to understand stock market behavior, so, identifying the appropriate indicators is a challenging problem. One of the techniques that has recently been studied for serial forecasting is support regression. Vector (SVR) or machine support vector (SVM). This study uses the GA-SVM hybrid algorithm to predict the stock price index. Experimental results show that the Hybrid GA-SVM algorithm provides a more appropriate and promising alternative to stock market forecasting.
خلاصه ماشینی:
وجه تمايز پژوهش حاضر با پژوهش هاي ديگر استفاده از مناسب ترين شاخص هاي عملکرد براي يافتن بهترين جواب و همچنين يافتن جمعيت بهينه ، از کل داده هاي در دسترس ، به وسيله الگوريتم GA٣ و انتقال آنها به الگوريتم ماشين بردار پشتيبان جهت پيش بيني دقيق تر قيمت سهام که در مقايسه با ديگر روش هاي پيش بيني قيمت سهام داراي خطاي کمتري ميباشد.
همان طور که ماهيت بازارها در مناطق مختلف متفاوت است ، همچنين از الگوريتم GA براي يافتن جمعيت بهينه از داده ها و از الگوريتم SVM براي پيش بيني شاخص مناسب قيمت سهام استفاده خواهيم کرد.
فلاح پور و همکاران (١٣٩٢) در پژوهشي تحت عنوان "پيش بيني روند حرکتي قيمت سهام با استفاده از ماشين بردار پشتيبان برپايۀ الگوريتم ژنتيک در بورس اوراق بهادار تهران " براي نمونۀ آماري ، سي شـرکت از پنجـاه شرکت برتر بورس اوراق بهادار در سه ماهۀ دوم سال ٩٠ انتخاب کردند.
(به تصویر صفحه رجوع شود) شکل (٢) فلوچارت انتخاب پارامترهاي بهينه توسط الگوريتم GA (جنا و پادهي، ٢٠١٤) (به تصویر صفحه رجوع شود) باتوجه به اينکه که ماهيت بازارها در مناطق مختلف متفاوت است ، ما از دو روش يادگيري ماشين : پشتيباني از تکنيک ماشين بردار )SVM( و تکنيک ماشين بردار پشتيباني با الگوريتم ژنتيکي )-GA SVM( براي پيش بيني قيمت هاي آتي معامله شده سهام ٨ شرکت بين المللي استفاده کرديم .
همان داده ها نيز براي مقايسه دقت پيش بيني قيمت سهم با استفاده از الگوريتم GA-SVM و SVM پياده سازي شده است .