پيش‌بيني ارزش سهام با استفاده از شبكه عصبي فازي پيشنهادي و الگوريتم تركيبي

پيش‌بيني بازار بورس و نحوه تغيير نمادها، همواره در زمره پژوهش‌هاي كاربردي و پرطرفدار قرار مي‌گيرد؛ بنابراين با پيش‌بيني نمادها با حداقل خطا مي‌توان در بورس موفق شد. در اين مقاله براي پيش‌بيني ارزش نمادها از يك شبكه جديد شامل شبكه عصبي‌فازي، تابع سينك و الگوريتم بهينه‌سازي ملخ بهبوديافته، استفاده شده است. در اين خصوص، براي پيش‌بيني و مدل‌سازي شاخص نمادهاي بورس از مدل‌سازي جعبه سياه و مدل AR(Auto regressive) استفاده شده كه مرتبه مدل با استفاده از الگوريتم گرگ خاكستري تعيين گرديده است. براي بهينه‌سازي پارامترهاي خطي شبكه، از الگوريتم تركيبي؛ شامل حداقل مربعات براي مقداردهي اوليه و حداقل مربعات بازگشتي براي آموزش برخط استفاده شد و براي بهينه‌سازي پارامترهاي غيرخطي از الگوريتم بهينه‌سازي ملخ به‌كار رفت. در شبيه‌سازي نشان داده شد كه با ارائه ساختار جديد، الگوريتم گرگ خاكستري مي‌تواند به طور مؤثر مرتبه مدل و جملات با بيشترين تأثير را در نماد فولاد مشخص كند؛ به علاوه در اين قسمت بيان شده كه شبكه و الگوريتم پيشنهادي نسبت به ساير روش‌ها مانند شبكه عصبي براي پيش‌بيني ارزش سهام، خطاي كمتري داشتند و الگوريتم ملخ ارائه‌شده با نرخ يادگيري تطبيقي با سرعت بيشتري و به صورت تطبيقي، هم‌گرا شده است.