نویسندگان

• سید امیر حسین منجمی ¹
• مهدی ابزری ¹
• علیرضا رعیتی شوازی ²

¹ عضو هیأت علمی مدیریت بازرگانی دانشگاه اصفهان

² کارشناس ارشد مدیریت بازرگانی دانشگاه اصفهان

چکیده

    سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه ­های پرسود در بازار سرمایه است.  بازار سهام دارای سیستمی غیرخطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می ­باشد و می­ توان از سیستم ­های هوشمند غیرخطی همچون شبکه ­های عصبی مصنوعی، شبکه­ های عصبی فازی و الگوریتم ­های ژنتیک برای پیش ­بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارائه ­ی یک مدل پیش بینی قیمت سهام با استفاده از شبکه ­ی عصبی فازی و الگوریتم ­های ژنتیکی و کاهش خطای پیش بینی قیمت سهام با استفاده از آن نسبت به استفاده از تکنیک شبکه ­ی عصبی مصنوعی به صورت منفرد پرداخته شده است.  در ادامه پس از طراحی و پیاده سازی مدل شبکه ­های عصبی فازی و الگوریتم ­های ژنتیک، با استفاده از چهار معیار سنجش خطا، نتایج دو مدل مقایسه شده است.  نتایج نشان می­ دهد که مدل ترکیبی شبکه ­های عصبی فازی و الگوریتم ­های ژنتیک پیش ­بینی ­های بسیار مناسب­ تری داشته و نسبت به شبکه ­ی عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی­ تری برای پیش بینی قیمت سهام برخوردار بوده است.

کلیدواژه‌ها

• شبکه های عصبی فازی
• الگوریتم های ژنتیک
• پیش بینی
• قیمت سهام

عنوان مقاله [English]

Modeling of Stock Price Forecasting in Stock Exchange Market, using Fuzzy Neural Networks and Genetic Algorithms

نویسندگان [English]

• Seyyed Amirhassan Monadjemi ¹
• Mehdi Abzari ¹
• Alireza Rayati Shavazi ²

چکیده [English]

   Investment in common stocks is one of most beneficent alternatives in capital markets, therefore forecasting of stock price is great significance for shareholders; however the complexity of stock markets. Most studies revealed stock price in Tehran stock exchange has not random walk pattern. Besides, with regard to nonlinear and chaos system in stock market that eclipsed of political, economical and psychological conditions, we can use nonlinear artificial systems such as artificial neural networks (ANN), fuzzy neural networks (FNN) and genetic algorithms (GA’s) for forecasting stock price. Two goals are aimed in this research: 1- Design and present a model for forecasting stock price, using FNN and GA (GFNN). 2- Reduction the forecasting error of GFNN stock price forecasting model, in compare with mere ANN. At first, for examination of mentioned goals, multi layer perceptron (MLP) of ten listing companies in Tehran stock exchange has been designed. Then, after design and implementation of GFNN, the results of two models, have been compared and hypotheses have been investigated by using error evaluating criteria (MSE, R², NMSE and MAPE). The results of research show, in compare with mere ANN, GFNN has perfect predictions and has higher speed and more strong estimation for stock price forecasting.

کلیدواژه‌ها [English]

• Artificial Neural Networks
• GA
• Forecasting