بخشی از مقاله
خلاصه
در این مطالعه، به منظور پیش بینی قیمت سهام، شبکه عصبی مصنوعی با الگوریتم پیش انتشارخطا، الگوریتم بهینه سازی ازدحام ذرات و الگوریتم رقابت استعماری و با به کارگیری داده های روزانه شاخص کل و همچنین قیمت روزانه -14 سهم انتخاب شده از بورس اوراق بهادار تهران آموزش داده شد. تعیین مناسب ترین الگوریتم تکاملی رایج به کار گرفته شده در الگوریتم های پیش بینی قیمت سهم با شبکه عصبی مصنوعی، ضمن قابل قبول بودن و قابل اطمینان بودن دقت محاسبه شده، هدف این تحقیق می باشد.
پس از بررسی زمان اجرای هریک از الگوریتم ها در حالتی که مراحل تکرار محدود 1000 - مرحله - است، به این نتیجه میرسیم که زمان با دقت رابطه عکس دارد و نمی توان الگوریتمی را یافت که ضمن اینکه دارای دقت مناسب است، دارای سرعت مناسب نیز باشد. در این مطالعه، پس از جمع آوری داده ها از پایگاه داده بورس اوراق بهادار تهران ابتدا با استفاده از روش تبدیل موجک ویژگی های اصلی داده ها استخراج میشوند و به عنوان ورودی در جهت پیش بینی به شبکه عصبی پرسپترون چندلایه آموزش داده شده توسط الگوریتم های نام برده بررسی می گردند .
.1 مقدمه
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 روان شناسی است .[1] پیش بینی و بررسی رفتار قیمت اوراق بهادار مقوله ای است که دانشمندان علوم مالی و سرمایه گذاران همواره درپی بهینه سازی آن می باشند و در این راه روش هایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کم ترین خطا در پیش بینی باشند.
بر این مبنا در سال های اخیر، روش های ریاضی، اعم از میانگین ساده، میانگین موزون، میانگین دوبل، رگرسیون و مانند اینها، تنها الگوهایی بودند که قاطعانه مورد استفاده قرار می گرفت اما در مواقع گوناگون دارای اشکالاتی نیز بودند. در عصر حاضر باتوجه به پیشرفت فناوری در زمینه علوم کامپیوتر و فراگیرشدن آن در علوم مختلف، زمینه های استفاده از شبکه های عصبی باتوجه به سرعت بالای پردازش در کامپیوترها به وجود آمده است. این شبکه ها با استفاده از قابلیت یادگیری خود هرگونه تغییری در قوانین نهفته در سری های زمانی را فرا گرفته و برای پیش بینی آینده از آن استفاده می کنند.
باتوجه به اهمیت مقوله پیش بینی قیمت سهام برآن شدیم با استفاده از شبکه عصبی پرسپترون چندلایه به پیش بینی قیمت سهام در بازار بورس تهران بپردازیم. روشن است که خصوصیت عدم اطمینان امر نامطلوبی است واز طرفی برای سرمایه گذارانی که بازار بورس را به عنوان مکان سرمایه گذاری انتخاب نموده اند این خصوصیت اجتناب ناپذیر است .[2] بنابراین به طور طبیعی تمام تلاش سرمایه گذار کاهش عدم اطمینان است و از این جهت پیش بینی بازار بورس یکی از ابزارهای کاهش عدم اطمینان می باشد.
بی تردد امروزه بیشترین مقدار سرمایه ازطریق بازار بورس در تمام جهان مبادله می شود. اقتصاد های ملی به شدت متاثر از عملکرد بازار بورس است.[3] به علاوه بازار بورس به عنوان یک ابزار سرمایه گذاری در دسترس هم برای سرمایه گذاران کلان و هم برای تمام عموم مردم شده است. بازارهای بورس نه تنها از پارامتر های کلان بلکه از هزاران عامل دیگر هم متاثر می شود .[6-4]
تعداد زیاد و ناشناخته بودن عوامل موثر بر بازار بورس موجب عدم اطمینان در زمینه سرمایه گذاری شده است. روشن است که خصوصیت عدم اطمینان امر نامطلوبی است واز طرفی برای سرمایه گذارانی که بازار بورس را به عنوان مکان سرمایه گذاری انتخاب نموده اند این خصوصیت اجتناب ناپذیر است. بنابراین به طور طبیعی تمام تلاش سرمایه گذار کاهش عدم اطمینان است و از این جهت پیش بینی بازار بورس یکی از ابزارهای کاهش عدم اطمینان می باشد. هدف بنیادین این تحقیق شناسایی اثربخش ترین مدل پیشگویی قیمت سهام شرکتهای فعال در بازار بورس اوراق بهادار، ساخت یافته با شبکه عصبی مصنوعی آموزش داده شده با الگوریتم تکاملی می باشد.
.2 ادبیات تحقیق بازار بورس اوراق بهادار: بازار بورس اوراق بهادار بازاری است که در آن قیمت سهام شرکتهای سرمایه پذیر و سایر اوراق بهادار قابل معامله با رقابت عرضه و تقاضا بین خریداران و فروشندگان تعیین می گردد. هر شخصیت حقوقی و یا حقیقی می تواند با دریافت کد معامله با هر میزان سرمایه در این بازار اقدام به معامله خرید و یا فروش نماید. [5] هر فعال این بازار بر اساس نتایج تحقیقات و بررسی های خود تصمیم به خرید و یا فروش سهام شرکتی می نماید و بدین ترتیب سود و یا زیان خود را رقم می زند.
الگوریتم بهینه سازی ازدحام ذرات: الگوریتم بهینه سازی ازدحام ذرات الگوریتمی مبتنی بر جمعیت است. این الگوریتم با الهام گرفتن از حرکت دسته جمعی جمعیتهای طبیعی مانند پرندگان و ماهی ها که به صورت فردی رفتار هوشمندانه ای ندارند ولی رفتار گروهی آنها هوشمندانه است ارائه گردیده است. منظور از ذره در این الگوریتم همان موقعیت کاندیدای جواب مساله است.
الگوریتم رقابت استعماری: الگوریتم رقابت استعماری [7] مدلسازی ریاضی تکامل اجتماعی است. اکثر الگوریتمهای بهینه سازی تکاملی شبیه سازی فرایندهای طبیعی هستند مانند ژنتیک، تبرید شبیه سازی شده. تکامل انسانی جنبه های دیگری غیر از تکامل زیستی دارد مثل جنبه های اجتماعی، فکری و سیاسی-اجتماعی. تکامل این جنبه، الهام پیشنهاد الگوریتم رقابت استعماری است. الگوریتم رقابت استعماری از همان نقطه شروع مسیری متفاوت از سایر الگوریتمها را طی می کند.
.3 متدولوژی تحقیق
حداکثر تعداد صفحات مقاله که شامل متن و کلیه اجزاء آن نظیر شکلها و جداول میباشد، 20 صفحه است. این تحقیق، تحقیقی نظری است که در آن در سعی بر آن شده است تا به عنوان سوال اصلی تحقیق، پاسخ سوال زیر یافته شود: "از بین مدل های شبکه عصبی مصنوعی آموزش داده شده با الگوریتمهای تکاملی رایج در پیش بینی قیمت سهم کدامیک با بهترین دقت پیش بینی قیمت سهم شرکتها در بورس اوراق بهادار تهران را انجام می دهد؟" به منظور پاسخ گویی به سوال فوق در مراحل تحقیق به سوالات زیر به عنوان سوالات فرعی تحقیق پاسخ داده می شود:
- داده های بورس اوراق بهادار چگونه ذخیره سازی و توزیع می شوند و می توان به آنها دسترسی پیدا کرد؟
- ترکیب شبکه عصبی مصنوعی با الگوریتمهای بهینه سازی تکاملی به چه صورت پیاده سازی می گردد؟
- آیا داده کاوی با الگوریتمهای ترکیبی شبکه عصبی مصنوعی و الگوریتمهای بهینه سازی تکاملی قادر به ارائه پاسخ قابل قبول و قابل اطمینانی در پیش بینی قیمت سهم می باشد؟
در مرحله تحلیل داده ها، داده های قیمت سهام -14شرکت - نماد معاملاتی - از بیش از 450 شرکت پذیرفته شده و فعال در بورس اوراق بهادار به عنوان نمونه به همراه به همراه شاخص کل مورد بررسی انتخاب می گردند. داده های مورد نیاز و یا به عبارتی قیمت روزانه سهام شرکتهای منتخب از منابع اطلاعاتی مورد تایید و اعتباردهی سازمان بورس اوراق بهادار دریافت می گردد. در این تحقیق برای آماده سازی داده ها، داده های گردآوری شده در مرحله قبل مورد بررسی توصیفی قرار خواهد گرفت. ماهیت داده ها، گرانولیته داده ها و کیفیت داده ها موارد مورد بررسی در این مرحله می باشند.
همچنین در این مرحله کاهش داده ها صورت خواهد پذیرفت. بدین منظور با توجه به دامنه تحقیق، مطالعه و کنکاشی در روشهای شناسایی ویژگی و یا استخراج ویژگی صورت نخواهد گرفت ولی با ارجاع به تحقیقات پیشین از نتایج صحه گذاری شده قبلی بهره گرفته خواهد شد. در مرحله مدل سازی تقسیم بندی داده ها به مجموعه داده های آموزش و مجموعه داده های تست انجام می شود. در این تحقیق به صورت تصادفی، 80درصد داده ها مبنای آموزش قرار گرفته و براساس مابقی کیفیت آموزش مورد بررسی قرار خواهد گرفت.
مدل به کارگرفته شده جهت پیش بینی، مدل شبکه عصبی مصنوعی پیشرو می باشد که آموزش آن به کمک الگوریتم های تکاملی صورت خواهد پذیرفت. به عبارت دیگر به جای استفاده از الگوریتم آموزش پیش انتشار خطا، هر یک از الگوریتمهای جهش قورباغه - - SFLA، ژنتیک - - GA به منظور آموزش شبکه عصبی مصنوعی به کار گرفته شد. بدین منظور از نرم افزار MATLAB جهت برنامه نویسی استفاده می شود.
در این تحقیق ارزیابی مدل به کمک شاخص ارزیابی خطاmse* - میانگین خطای درجه دوم - صورت گرفت. به کمک وضعیت این شاخص در اجراهای مختلف مدل، نسبت به کیفیت مدل در پیش بینی قیمت سهم قضاوت شد. در مرحله پیاده سازی تحقیق، ساختار مدل شبکه عصبی مصنوعی به همراه اوزان و بایاس های محاسبه شده جهت پیاده سازی مدل استخراج می شوند.
