پيش‌بيني بازار سهام با استفاده از الگوريتم بهينه‌سازي ملخ بهبود يافته و الگوريتم‌هاي سري زماني

اين مقاله يك روش براي پيش بيني بازار سهام را پيشنهاد مي دهد كه مي تواند به طور موثر ارزش سهام را پيش بيني كند. در اين مقاله براي كاهش حجم داده هاي ورودي از قيمت گذشته بازار استفاده شده است و با ارائه يك روش مبتني بر الگوريتم بهينه سازي ملخ بهبود يافته وابستگي داده هاي فعلي بازار بورس به داده هاي قبلي تعيين مي شود كه اين الگوريتم منجر به كاهش مرتبه مدل و در نتيجه تعداد ورودي شبكه مي شود به وسيله بهبود نرخ يادگيري الگوريتم بهينه سازي ملخ نتايج با خطاي كمتري به دست آمد. پس از آن پيش بيني ارزش سهام با استفاده از سه شبكه عصبي مجزا انجام شد و در نهايت از مجموعه داده شركت تسلا و NASDAQ براي اعتبار سنجي و آزمايش الگوريتم استفاده شد. همانطور كه در قسمت شبيه سازي نشان داده شده با استفاده از الگوريتم بهينه سازي ملخ بهبود يافته موثرترين خروجي ها براي پيش بيني ارزش سهام به دست آمد و در نهايت با استفاده از چند حالت مختلف پيش بيني انجام شد و نتايج روش هاي مختلف مورد مقايسه قرار گرفت و ارزيابي بر اساس معيار خطاي جذر ميانگين مربعات انجام شد. در صورتي كه MSE به دست آمده كمتر از مقدار مشخص شده ،باشد صرفا از ويژگي هاي ورودي قبلي استفاده مي شود؛ در صورتي كه خطا از حد مشخص شده بيشتر باشد از ويژگي هاي آماري مانند ميانگين يك هفته بيشينه و كمينه در يك هفته، چولگي و انحراف معيار و لگاريتم اين ويژگي ها استفاده مي.شود مدل پيشنهادي پيش بيني بازار سهام براي نماد تسلا داراي مقدار خطاي جذر ميانگين مربعات ۴,۰۵ است كه نشان دهنده اثر بخشي روش پيشنهادي در پيش بيني بازار سهام است. نتايج نشان مي دهد كه در بين الگوريتم هاي ارائه شده مربوط به پيش بيني سري ،زماني روش گروهي مدلسازي داده با الگوريتم تركيبي ارائه شده بهترين نتيجه را در بر داشته است.