جایا

امروزه با توجه به نوسانات اقتصادی، بحث پیش بینی قیمت سهام و ریسک سرمایه گذاری از اهمیت ویژه ای برای معامله گران سهام برخوردار است. اخیرا از روش منطق فازی به منظور پویا سازی الگوهای کندل استیک با کاربرد در تحلیل معاملات سهام و پیش بینی ریسک سرمایه گذاری معاملات سهام استفاده شده است که دارای چالش حساسیت به تعداد نمونه معاملات غیر مفید و تنظیم غیر بهینه توابع عضویت فازی الگوهای کندل استیک میباشد. در این مقاله پیشنهاد بکارگیری روش رگرسیون مبتنی بر تابع پایه شعاعی به عنوان گام پیش پردازش برای کاهش نمونه معاملات کم اهمیت در پیش بینی ریسک سرمایه گذاری و روش بهینه سازی مبتنی بر ذره برای تنظیم بهینه مقادیر توابع عضویت فازی الگوهای کندل استیک مطرح میشود. روش مبتنی بر ذره کرم شب تاب و جایا قادر به بهینه سازی توابع عضویت فازی با قدرت بالایی میباشد. نتایج حاصل از روش پیشنهادی بر روی سهام شرکت های بزرگ بورس ایران حاکی از راندمان مناسب روش پیشنهادی میباشد.