پيش‌بيني قيمت سهام در بورس اوراق بهادار با استفاده از مدل تركيبي مبتني بر شبكه عصبي بازگشتي و سيستم استنتاج عصبي فازي سازگار و سيستم خبره فازي

Stock price forecasting using a hybrid model based on recurring neural network and ANFIS and fuzzy expert system

پيش بيني قيمت سهام در بورس اوراق بهادار موضوعي چالش برانگيز و جذاب است. سرمايه گذاران علاقه مندند كه بتوانند سود سهام مختلف را در بازارهاي مالي پيش بيني كنند. در اين مقاله مدل تركيبي ارايه شده است كه در آن ابتدا قيمت پاياني سهام براي روز بعد بر مبناي الگوريتم سيستم استنتاج عصبي فازي سازگار (ANFIS) و شبكه عصبي بازگشتي (RNN) با استفاده از داده هاي تاريخي و شاخص هاي انديكاتور پيش بيني مي شود. سپس نتايج به همراه وضعيت شايعات بازار به سيستم خبره فازي وارد مي شود و پيش بيني را بر مبناي خروجي سيستم عصبي فازي و شبكه عصبي بازگشتي به همراه وضعيت شايعات بازار، نهايي مي كند. مدل تركيبي ارايه شده براي پيش بيني قيمت داده هاي سهام شركت فولاد مباركه اصفهان اجرا شد. در اين مطالعه براي داده هاي تحقيق از داده هاي شركت بورس اوراق بهادار تهران مربوط به داده هاي سهام شركت فولاد مباركه اصفهان از 5 فروردين 1395 لغايت 29 اسفند 1398 استفاده شده است. چهار شاخص فني در اين مطالعه مورد استفاده قرار گرفته است كه عبارتند از: ميانگين متحرك (MA)، ميانگين متحرك نمايي (EMA)، انديكاتور قدرت نسبي (RSI)، انديكاتور ميانگين متحرك همگرايي واگرايي (MACD). از اين متغيرها به عنوان ورودي سيستم عصبي فازي براي پيش بيني قيمت پاياني روز بعد سهام شركت فولاد مباركه اصفهان استفاده شده است.

Stock price forecasting is a challenging and attractive topic. Investors are interested in being able to predict the price of different stocks in financial markets. This paper presents a hybrid model that predicts the final stock price for the next day based on the adaptive neuro-fuzzy inference systems (ANFIS) and Return Neural Network (RNN) algorithm using historical data and indicators. Then the results of this model and the status of market rumors enter the fuzzy expert system based on the output of the fuzzy neural system and the return neural network along with the market rumor status and finalize the forecast. The combined model proposed to predict the stock price data of Mobarakeh Steel Company of Isfahan was implemented. In this study, for research data, the data of Tehran Stock Exchange Company related to the stock data of Mobarakeh Steel Company of Isfahan from April 26, 2016 to March 20, 2017 has been used. Four technical indicators used in this study are: Moving Average(MA), Exponential Moving Average(EMA), Relative Strength Index(RSI), and Moving Average Convergence Divergence(MACD). These variables have been used as the input of the adaptive neuro-fuzzy inference systems(ANFIS) to predict the final price of the next day's shares.