مقايسه الگوريتم هاي پيش بيني و بهينه سازي پرتفوي در بورس اوراق بهادار تهران

The Comparison of Prediction and Optimization Algorithms in Portfolio Selection on Tehran Stock Market

در اين مطالعه، با استفاده از دو الگوريتم شبكه عصبي مصنوعي و شبكه فازي- عصبي به عنوان دو الگوريتم پيش بيني قيمت اوراق بهادار و از دو الگوريتم ممتيك حركت تجمعي ذرات، الگوريتم ژنتيك و روش كوادراتيك به منظور حل مساله بهينه سازي پرتفوي بدون محدوديت براي 23 شركت فعال بازار بورس طي سال هاي 94-1391 به صورت روزانه استفاده شده است. نتايج حاصل از اين تحقيق نشان مي دهد كه شبكه هاي عصبي توانسته عملكرد بهتري را در پيش بيني بازده اوراق بهادار نسبت به سيستم فازي عصبي نشان دهد و همچنين در بررسي عملكرد سه الگوريتم كوادراتيك، ژنتيك و ممتيك، نتايج نشان مي دهد كه الگوريتم جهش تركيبي قورباغه توانسته عملكرد و نتيجه بهتري را در مقايسه با الگوريتم ژنتيك نسبت به الگوريتم كوادراتيك نشان دهد. و همچنين نتايج اين مطالعه، نشان مي دهد كه الگوريتم شبكه عصبي مي تواند الگوريتمي قابل اتكا براي سهامداران باشد.

In this study، two algorithms، neural networks and fuzzy neural networks، are used to predict the stock prices، and two memetic algorithms، particle swarm and genetic algorithm، together with quadratic method are used to solve unbounded optimization problem by applying daily data of 23 listed companies on Tehran Stock Market during 2012-2015. The findings show that artificial neural networks have better performance than fuzzy neural network in predicting yields. In addition، the comparison of performances of quadratic، genetic and shuffle frog Leaping (SFL) algorithms reveal that SFL algorithm has recorded better performance than genetic and quadratic algorithms. As a result، artificial neural network may be a reliable algorithm for shareholders.