مقایسه روشهای کلاسیک و هوش مصنوعی در پیشبینی شاخص قیمت سهام و طراحی مدل ترکیبی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
"امروزه، سرمایهگذاری در بورس، بخش مهمی از اقتصاد کشور را تشکیل میدهد. به همین دلیل پیشبینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانند بالاترین بازده را از سرمایهگذاری خود کسب کنند. از سوی دیگر، شاخص قیمت سهام نشان¬دهنده وضعیت کلی بازار سهام است و میتواند به پیشبینی سهامداران جهت سرمایهگذاری کمک کند. اغلب در سالهای گذشته از روشهای کلاسیک برای پیشبینی قیمت سهام استفاده میکردند، اما با پیشرفت و توسعه مداوم روشهای فرا ابتکاری، شبکه¬های عصبی و شبکه¬های عصبی فازی، کاربردهای روزافزونی در مبحث پیشبینی شاخص قیمت سهام پیدا کردهاند.
در این تحقیق، سه رویکرد مطرح میشود: 1) پیشبینی شاخص قیمت سهام با رویکرد روشهای کلاسیک؛ 2) رویکرد هوش مصنوعی؛ 3) رویکرد ترکیبی. به این منظور ابتدا ارزیابی عملکرد روشهای کلاسیک از قبیل روشهای هموارسازی نمایی، تحلیل روند، ARIMA و هوش مصنوعی از قبیل
شبکههای عصبی و شبکههای عصبی فازی انجام شده است، سپس سناریو سوم، یعنی طراحی مدل ترکیبی از ARIMA ، شبکههای عصبی و شبکههای عصبی فازی مورد بررسی قرار گرفته است. نتایج تحقیق بیانگر آن است که توانایی مدل ترکیبی نسبت به تمامی روشهای هوش مصنوعی و کلاسیک بالاتر است."
