این پژوهش با رویکرد ترکیبی، با به کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش بینی 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 سال های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مؤلفه های تکنیکال و بنیادی متعدد، با به کارگیری فرآیند رگرسیون-همبستگی قدم به قدم (SRCS)، مؤلفه های مؤثر بر قیمت سهام انتخاب شده و به عنوان ورودی مدل تعریف می شود. در مرحله بعد، الگوریتم کلونی زنبورعسل مصنوعی (ABC) در یک فضای طراحی پارامتری، برای بهینه کردن وزن ها و تورش های شبکه عصبی بازگشتی بکار گرفته می شود. برای ارزیابی عملکرد مدل، از چندین معیار برای سهام شرکت های پذیرفته شده در بورس تهران استفاده می شود. 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 روش های پیش بینی دارد.
