4-1-1 تعریف مساله…………………. 43

4-1-2 تحلیل داده ها………………….. 43

4-1-3 آماده سازی داده ها………………….. 44

4-1-4 مدلسازی…………………… 44

4-1-5 ارزیابی…………………… 44

4-1-6 پیاده سازی…………………… 45

فصل 5: اجرا…………………. 46

5-1 اجرای فرایند CRISP……………………

5-1-1 مجموعه داده ها………………….. 46

5-1-2 کیفیت داده ها و کاهش داده ها………………….. 50

5-1-3 پیاده سازی شبکه عصبی مصنوعی برای سری های زمانی……… 51

5-1-3-1 معماری شبکه عصبی مصنوعی…………………… 51

5-1-3-2 تطبیق ورودی های زمانی به عنوان ورودی شبکه عصبی مصنوعی……. 53

5-1-4 پیاده سازی آموزش شبکه عصبی مصنوعی با الگوریتمهای تکاملی…….. 54

5-1-4-1 الگوریتم ژنتیک……………………. 54

5-1-4-2 الگوریتم بهینه سازی ازدحام ذرات…………………… 55

5-1-4-3 الگوریتم رقابت استعماری…………………… 56

5-1-4 به کارگیری شبکه عصبی مصنوعی آموزش دیده با الگوریتم های تکاملی……. 58

فصل 6 : تحلیل یافته ها، نتیجه گیری و پیشنهاد ها………………….. 60

6-1 نتیجه گیری و پاسخ به سئوالات تحقیق…………………… 60

6-2 تحقیقات پیشنهادی آینده………………….. 64فهرست منابع…………………… 65

پیوست ها ………………….67

پیوست 1: کد شبکه عصبی سری زمانی با آموزش با الگوریتم پیش انتشار خطا…… 67

پیوست 2: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ژنتیک…………. 68

پیوست 3: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ازدحام ذرات………. 71

پیوست 4: کد شبکه عصبی مصنوعی با آموزش با الگوریتم رقابت استعماری……….. 73

چکیده:

تحقیقات بسیاری جهت پیش بینی قابل قبول و قابل اطمینان به کمک روشهای شبیه سازی، تحلیل سری های زمانی، ترکیب روشهای هوش مصنوعی با روش های تحلیل سری های زمانی و در آخرین آنها ترکیب روشهای داده کاوی و هوش مصنوعی با روش های تحلیل سری های زمانی و الگوریتم های بهینه سازی تکاملی در حوزه قیمت سهم در بازار بورس اوراق بهادار صورت گرفته است. در این تحقیق سعی بر آن شده که در قالب فرایند CRISP داده کاوی و با ارجاع به آخرین تحقیقات صورت گرفته، ترکیب شبکه عصبی مصنوعی و الگوریتم های بهینه سازی تکاملی به عنوان مدل پیش بینی قیمت سهم در بازار بورس اوراق بهادار مورد بررسی قرار گیرد. الگوریتم های بهینه سازی تکاملی ژنتیک، ازدحام ذرات و رقابت استعماری در آموزش شبکه عصبی مصنوعی با داده های سری زمانی کاهش یافته قیمت پنج سهم منتخب از بازار بورس اوراق بهادار تهران به کار گرفته شدند و قابل قبول و قابل اطمینان بودن پیش بینی به کمک شبکه عصبی مصنوعی آموزش دیده با الگوریتم ازدحام ذرات بر

اساس مقادیر شاخص میزان خطا (mse) پیش بینی شبکه عصبی مصنوعی مورد اشاره به اثبات رسید. همچنین عدم درک آشوب داده ها توسط الگوریتم یادگیری پیش انتشار خطا به چالش کشیده شد.

فصل اول: معرفی تحقیق

1-1- مقدمه

بشر در دنیای امروزی به صورت روزمره در بازارهای گوناگون درگیر تصمیم گیری های بیشماری بوده و هر گونه پیشنهادی که امکان بهبود دقت و صحت تصمیم و یا کاهش زمان تصمیم گیری را برای او به ارمغان بیاورد برای وی جذاب و ارزشمند می باشد. یکی از بازارهایی که امروزه رو به رونق بوده و مزایای سیستمهای پشتیبان تصمیم گیری در آن بسیار مشهود می باشد بازارهای پولی و سرمایه شامل بازار بورس اوراق بهادار می باشد. فعالان این بازار به خرید و فروش سهام شرکتها در آن بازار پرداخته و از آن طریق با پذیرفتن ریسکِ آینده سهم برای خود سود و یا زیان به بار می آورند.

در این تحقیق سعی خواهد شد تا با به کارگرفتن تکنیکهای داده کاوی شناخته شده، در مسیر تحقیقات صورت گرفته پیشین، ترکیبی از الگوریتم شبکه عصبی مصنوعی با الگوریتمهای بهینه سازی تکاملی به منظور پیش بینی قیمت سهام شرکتها در بورس اوراق بهادار ارائه گردد. ترکیب الگوریتم شبکه عصبی مصنوعی با سه الگوریتم بهینه سازی تکاملی ژنتیک، رقابت استعماری و ازدحام ذرات روی حداقل پنج سهم مورد بررسی قرار خواهد گرفت و دقت پیش بینی هر یک محاسبه و ارائه خواهد گردید. خروجی این تحقیق، پیشنهاد بهترین الگوریتم ترکیبی از بین موارد ذکر شده برای پیش بینی قیمت سهام شرکتهای عضو بورس اوراق بهادار خواهد بود.

2-1- تعریف مسأله

در بازارهای پولی و سرمایه دو نوع تکنیک اساسی برای تحلیل و تصمیم به خرید و یا فروش سهام شرکتها وجود دارد: تکنیک تحلیل بنیادی[1]، تکنیک تحلیل تکنیکی[2]. در تحلیل بنیادی، از مولفه های اصلی عملکرد و توان شرکت در برابر فرصتها و تهدیدهای بازار و در سطح کلان کشور استفاده شده و در مورد خرید و یا فروش آن سهم تصمیم گیری می شود. در برابر در تحلیل تکنیکی، فرض بر آن است که اثر کلیه عوامل کلان و خرد اقتصادی و نیز توان و عملکرد شرکت در پیشینه تاریخی قیمت سهم وجود داشته و در نتیجه با تحلیل روند قیمت سهم، تصمیم به خرید و یا فروش سهم شرکتی گرفته می شود. پیش بینی و یا پیش گویی قیمت سهم شرکتها در بازارهای اوراق بهادار از مسائلی است که تحقیقات گوناگونی در کشورهای مختلف در مورد آن صورت گرفته است. این تحقیق در بازار بورس اوراق بهادار تهران و تحت رویکرد تکنیک تحلیل تکنیکی سعی خواهد نمود تا به حل مساله پیش بینی قیمت سهم شرکتها پرداخته و پاسخی به نیاز فعالان بورس اوراق بهادار در مورد حل مساله پیش بینی قیمت سهم ارائه نماید.

1-3 اهمیت مساله

اندازه بازار بورس اوراق بهادار تهران در حوزه معملات سهام بیش از 523’342 میلیارد تومان است[3]. اهمیت این اندازه بازار در مقایسه با بودجه ی حدود 000’800 میلیارد تومانی سال 1393 کشور بسیار مشهود می باشد. بازار بورس اوراق بهادار جزء پنج بازار اصلی سرمایه ای کشور است که کوچکترین نوسانات عملیاتی آن اثرات بسیاری در اقتصاد کشور خواهد گذاشت. در این بازار بیش از 450 شرکت سرمایه پذیر در قالب 35 صنعت به عرضه سهام پرداخته اند و معامله گران حقوقی و حقیقی بیشماری از محل تجارت سهام شرکتها در این بازار به مدیریت اقتصاد بنگاه ها و خانوار می پردازند. در شرایط ثبات اقتصادی کشورها، سود حاصل از فعالیت در بازار بورس از سود بهره بانکی قطعا بالاتر بوده و این جذابیت سبب می شود در شرایط ثبات و یا رشد اقتصادی کشور، جریان سرمایه از بسیاری از بازارها و همچنین جریان سرمایه های راکد و یا فعال در بازارهای سیاه به سمت بازار بورس اوراق بهادار باشد. در کنار نگاه اقتصادی به بازار بورس، از نگاه اجتماعی نیز حضور معامله گران در سنین جوانی و یا پایان میان سالی، یعنی دقیقا در سنینی که هیجان ریسک پذیری، انگیزه فعالیتهای پرچالش و توام با ریسک را به همراه دارد، در این بازار شایان توجه است. از این منظر انتظار آن خواهد بود که در صورت وجود موج اخبار رونق و بازدهی قابل قبول این بازار، نسبت عمده ای از جمعیت جویای کار در این بازار به صورت مستقل به اشتغال درآیند. با این توضیحات، می توان نتیجه گرفت حل مساله این تحقیق با ارائه مدلی بابت پیشگویی قابل اعتماد قیمت سهم شرکتها در بازار بورس دارای نه تنها اهمیت از منظر اقتصادی بلکه در زمره مسائل با اهمیت اجتماعی نیز قرار می گیرد.

1-4 هدف تحقیق

همانگونه که در بخشهای پیشین اشاره شد مساله مورد تحقیق، یشگویی قیمت سهام شرکتها در بازار بورس اوراق بهادار می باشد. تکنیکهای متعدد تحلیل داده ها سعی در ارائه مدلهایی در پاسخ به سئوال این تحقیق نموده اند. دانش نوین داده کاوی با ساختاردهی بسیاری از این تکنیکها، محققان را در پیشبرد بهبود کارایی و اثربخشی مدلها و راهکارها کمک شایانی نموده است. در این تحقیق با تحقیقات پیشین، به کارگیری مدل شبکه عصبی مصنوعی با آموزش به کمک الگوریتمهای تکاملی مد نظر قرار گرفته است.