پيش‌بيني مالي با استفاده از روش بهينه‌سازي ازدحام ذرات كوانتومي و توزيع كوشي

Financial forecasting using quantum particle swarm optimization method and Cauchy distribution

در طول تاريخ مسائل اقتصادي به‌عنوان يكي از مهم‌ترين موضوعات پژوهشي و علمي بوده كه همواره توجه و تمركز دانشمندان و پژوهشگران را به خود جلب كرده است. تعدد عوامل مؤثر بر مسائل اقتصادي چه در سطح ملي و چه در سطح بين‌المللي تصميم‌گيري را در اين حوزه دشوار كرده است. به همين دليل در چهار دهه اخير، ابزارهاي مختلف و هوشمندي براي تحليل اين بازارهاي مالي و به‌منظور تسهيل در تصميم‌گيري ايجاد و استفاده‌شده است. مدل‌هاي كامپيوتري كه مبتني بر رياضيات و تحليل داده‌ها و بهينه‌سازي‌هايي كه منجر به دقيق‌تر شدن تحليل‌ها مي‌شود نيز در اين دوران از توجه قابل‌ملاحظه‌اي برخوردار بوده‌اند كه محققين زيادي بر روي آن مطالعه انجام داده‌اند. در اين تحقيق ما با بررسي كارهاي انجام‌شده در اين حوزه سعي كرده‌ايم تا مدل‌هاي پيش‌بيني براي داده‌هاي سري زماني را بهينه‌سازي كنيم. در اين تحقيق ما از مدل ميانگين متحرك يكپارچه خود رگرسيون استفاده كرده‌ايم و همچنين براي بهينه‌سازي آن نيز از روش بهينه‌سازي ازدحام ذرات كوانتومي و توزيع كوشي استفاده نموده‌ايم. هدف مدل پيشنهادي بهبود دقت پيش‌بيني مالي با بهينه‌سازي پارامترهاي ورودي مدل سري زماني ARIMA است. الگوريتم QPSO براي بهينه‌سازي پارامترهاي مدل سري زماني استفاده مي‌شود، درحالي‌كه الگوريتم CD براي توليد مقادير اوليه براي الگوريتم QPSO استفاده مي‌شود. روش پيشنهادي بر روي مجموعه داده‌هاي مالي دنياي واقعي آزمايش مي‌شود و نتايج نشان‌مي‌دهد كه از ساير روش‌هاي پيش‌بيني سنتي بهتر عمل مي‌كند. اين مقاله نتيجه مي‌گيرد كه مدل پيشنهادي مي‌تواند ابزار ارزشمندي براي تحليلگران مالي و سرمايه‌گذاران در تصميم‌گيري آگاهانه باشد.