چکیده:
در بازارهای سرمایه عامل های مختلفی در پیش بینی قیمت سهام موثر می باشـد بنـابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسـک بـا چـالش ، تردیـد و خطـا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیـین عاملهـای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم ترین مسائلی است که هر سهام دار یا سرمایه گذار در بازار بـورس بایسـتی بـه آن توجـه ویـژه داشـته باشـد. تـاکنون روشـهای مختلفی جهت نیل به این اهداف معرفی شده انـد کـه اغلـب روشـهای آمـاری، هوشـمند و ترکیبی هستند. الگوریتم پیشنهادی یک روش ترکیبی است که شامل دو بخش است بخـش اول پـیش پـردازش و بخـش دوم پـیش بینـی کننـده اسـت . در پـیش پـردازش سـه فرآینـد جاگذاری دادههای غیر موجود، نرمالیزه کردن و انتخاب ویژگی به ترتیب انجام مـی شـود. از آنجایی که تعداد ویژگیهای بکار برده شده زیاد است از روش الگـوریتم ژنتیـک بـرای انتخاب ویژگی و کاهش ابعاد فضای ویژگی استفاده شده است . در بخش پیش بینی کننده، با توجه به قابلیت پـیش بینـی هوشـمند شـبکه عصـبی - فـازی، از ایـن شـبکه بـا دو سـاختار ممدانی و سوگنو بعنوان پیش بینی کننده قیمت سـهام بهـره مـیبـریم کـه قابلیـت اسـتخراج قواعـد فـازی بصـورت خودکـار دارد. آمـوزش پارامترهــای مقدمـه و نتیجـه شـبکه برپایـه الگوریتم پس انتشار خطا (گرادیان نزولی) میباشد. الگوریتم پیشنهادی با اسـتفاده از داده هـای ١٠ شـرکت کـه هـر کـدام از آنهـا دارای ٧ ویژگی میباشند، ارزیابی شده است . نتایج شبیه سازی نشان می دهـد کـه بـا توجـه بـه نـوع شرکتها، ویژگیهای انتخابی و نوع ساختار شبکه عصبی فازی ترکیبی نتایج متفاوتی بدسـت می آید. با توجه به معیارهای مورد ارزیابی، نتایج به دست آمده برتری شـبکه عصـبی فـازی ترکیبی را به شبکه عصبی فازی ساده نشـان مـی دهـد، امـا بطـور کلـی پـیش بینـیکننـده بـا ساختار سوگنو با الگوریتم ژنتیک دارای عملکـرد بهتـری نسـبت بـه سـاختار ممـدانی دارد، چون تعداد پارامترهای آموزش ساختار سوگنو بیشتر است .
خلاصه ماشینی:
با توجه به معیارهای مورد ارزیابی، نتایج به دست آمده برتری شـبکه عصـبی فـازی ترکیبی را به شبکه عصبی فازی ساده نشـان مـی دهـد، امـا بطـور کلـی پـیش بینـیکننـده بـا ساختار سوگنو با الگوریتم ژنتیک دارای عملکـرد بهتـری نسـبت بـه سـاختار ممـدانی دارد، چون تعداد پارامترهای آموزش ساختار سوگنو بیشتر است .
از آنجایی که بازار سهام دارای سیستمی غیر خطی و آشوب گونـه اسـت و تحـت تأثیر شرایط سیاسی، اقتصادی و رفتاری سرمایه گذاران می باشد، تاکنون روشهای مختلفـی جهت پیش بینی قیمت سهام استفاده شده است که این روشها بطور کلی آماری یا هوشـمند هستند.
بخش پیش پـردازش شـامل جاگـذاری داده هـای غیـر موجـود، نرمـالیزه کـردن و انتخـاب ویژگی است و بخش پردازش همان روش هوشمند شبکه عصبی فـازی اسـت کـه در آن از دو ساختار ممدانی و سوگنو بعنوان پیش بینی کننده استفاده شده است .
در این مقاله ابتدا به بررسی ساختار پیش بینی کننده یعنی شبکه عصـبی- فـازی و نحـوه یادگیری آن پرداختـه شـده اسـت سـپس در مـورد پیشـینه تحقیـق و روشـهایی کـه تـاکنون استفاده شده اند به اختصار توضیح داده خواهد شد.
Interval Type-2 Fuzzy Logic System منجمی و همکاران (١٣٨٨) به پیش بینی قیمت سهام در بازار بورس اوراق بهادار تهران با استفاده از شبکه ی عصبی فازی و الگوریتم های ژنتیکـی و مقایسـه ی آن بـا شـبکه هـای عصبی مصنوعی پرداخته اند.
On Fuzzy logic & Neural Networks.
Integration of genetic fuzzy systems and artificial neural networks for stock price forecasting.