ترکیب شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش بینی سود هر سهم

پیش بینی سود هر سهم از اهمیت فراوانی برای سرمایه گذاران و مدیران داخلی شرکت ها برخوردار است. بررسی پژوهش های قبلی حاکی از این بوده است که در اکثر آن ها، به فرضیه وجود رابطه غیرخطی میان سود وعوامل تعیین کننده آن توجه نشده است. این در حالی است برخی از پژوهشگران نشان داده اند که رابطه میان سود و عوامل تعیین کننده آن خطی نیست. به همین دلیل و همچنین نقش محوری سود هر سهم در تصمیمات سرمایه گذاران، با استفاده از مدل های مختلف شبکه عصبی مصنوعی و مدل های سری زمانی، سود هر سهم میان دوره ای 126 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1389 تا 1395 بررسی و پیش بینی شده است. در ادامه و در گام بعدی برای تعیین متغیرهای ورودی موثر بر سود هر سهم از الگوریتم بهینه سازی ژنتیک و تجمع ذرات استفاده شده است. به کارگیری روش ترکیبی شبکه عصبی مصنوعی، الگوریتم ژنتیک و الگوریتم تجمع ذرات می تواند علاوه بر استفاده از روش های نوین برای پیش بینی سود هر سهم، سرمایه گذاران را نیز در تصمیم گیری های آتی یاری رساند. نتایج نشان می دهد روش پیشنهادی قادر است تا متغیرهای ورودی موثر بر سود هر سهم را از میان تمام متغیرهای ورودی استخراج و توانایی و قدرت تعمیم شبکه عصبی مصنوعی را افزایش دهد.