پيش بيني روند قيمت سهام در بورس ايران مبتني بر تركيب شبكه هاي بيزين و مدل مخفي ماركوف

Iran Stock Market Prediction Based on Bayesian Networks and Hidden Markov Models

رفتار سهام و روند تغييرات آن يكي از پيچيده ترين مكانيزم‌هايي است كه همواره مورد توجه محققان مي‌باشد. بورس تحت تاثير عوامل مختلف بيروني و دروني قرار دارد. عوامل تاثيرگذار بيروني مانند عوامل سياسي و اجتماعي قابليت اندازه‌گيري ندارند، به همين جهت براي پيش‌بيني روند بورس، بايد بر روي تاثير عوامل دروني تمركز نمود. در اين پژوهش سيستم تركيبي مبتني بر شبكه‌هاي بيزين و مدل مخفي ماركوف، جهت پيش‌بيني روند روزانه بورس ايران پيشنهاد شده است. براي سهام هر شركت، 6 شاخص بورس اوراق بهادار تهران كه داراي بالاترين ضريب همبستگي مي‌باشند و 22 انديكاتور تكنيكي به عنوان متغيرهاي ورودي در فاز پيش‌پردازش استفاده مي‌شوند. از شبكه‌هاي بيزين جهت مشخص نمودن روابط بين متغيرها و از جداول احتمال شرطي آن براي بررسي تاثير هر متغير در پيش‌بيني استفاده مي‌شود. در نهايت از مدل مخفي ماركوف براي پيش‌بيني روند بازار در مجموعه هاي استخراج شده از شبكه بيزين، استفاده مي‌شود. مدل پيشنهادي بر روي سهام چهار شركت داخلي به نام فولاد مباركه اصفهان، ايران خودرو، بانك ملت و ايران دارو مورد بررسي قرار گرفته است. معيارهاي ارزيابي در سيستم پيشنهادي، كارايي بالاي اين روش را نشان مي‌دهند. بالاترين درصد صحت سيستم پيشنهادي 85.25 و متوسط درصد صحت آن 83.26 مي‌باشد.

Stock market behavior is one of the most complex mechanisms, considered by researchers. Financial markets are influenced by the external and internal factors. External factors such as political and social factors are not measurable, so prediction the trend of stock markets is focused on internal factors. This study suggests a hybrid approach based on Bayesian Networks and Hidden Markov Models to predict trend of stock market. The used variables are 6 index of Tehran Stock Exchange, which have the most correlation coefficient with target stock, and 22 technical indicators. Bayesian networks are utilized to find the relationships between variables, and the effect of each variable in prediction considered from conditional probability tables. Hidden Markov Model is designed for sets of extract from Bayesian networks. The proposed model tested on four company’s stock names Mobarakeh Steel, Iran Khodro, Mellat Bank and Iran drug. The average accuracy of the proposed system is 83.26 %. The experimental results show that the suggested procedure has higher performance for prediction of stock markets in comparison with other previous methods.