به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

metaheuristic optimization algorithms

در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه metaheuristic optimization algorithms در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه metaheuristic optimization algorithms در مقالات مجلات علمی
  • مسعود دارابی*، محسن گل سرخ حق، اصغر اصغرزاده، آیدین ابوطالبی
    در حال حاضر، سرمایه گذاری در بورس بخش قابل توجهی از اقتصاد کشور را شامل می شود. اوراق بهادار ابزاری مطمئن برای جذب اعتماد سرمایه گذاران به شمار می رود و با ریسک های متفاوتی همراه است. این بازار قادر است سرمایه های کوچک و پراکنده ای را که به تنهایی قابلیت بهره برداری ندارند، جمع آوری کرده و از آن ها منابع مالی قابل توجهی برای توسعه اقتصادی ایجاد کند. در بازارهای بورس، نوسانات قیمت از حساسیت بالایی برخوردار است و این موضوع موجب شده که تغییرات مربوط به این نوسانات به طور منظم مورد بررسی و تحلیل قرار گیرد. به همین دلیل، پیش بینی قیمت سهام در زمان بحران، برای سرمایه گذاران اهمیت زیادی پیداکرده تا بتوانند بیشترین سود ممکن را از سرمایه گذاری های خود به دست آورند. در سال های اخیر و بحران های اقتصادی مانند تحریم و سایر موارد، قیمت سهام با نوساناتی همراه بوده است و به دلیل پیش بینی دقیق توسط سرمایه گذاران در این زمان ها، عملکرد کم خطای الگوریتم های فرا ابتکاری جدید به عنوان روشی نوین مطرح می شود. امروزه روش های نوین پیش بینی سری های زمانی بر اساس هوش مصنوعی و یادگیری ماشین به سرعت پیشرفت کرده اند، به طوری که این داده ها برای سرمایه گذاری و پیش بینی قیمت سهام ارزش زیادی دارند ولی شیوه های سنتی تحلیل داده در یادگیری موثر از آن ها محدودیت دارند. با توسعه فناوری و ورود تکنیک های جدید مانند شبکه های عصبی و الگوریتم های فرا ابتکاری، استفاده ازاین روش ها در پیش بینی قیمت سهام به شکل چشم گیری افزایش یافته است. در این تحقیق، امکان سنجی توانایی مدل های مختلف مبتنی بر شبکه های عصبی بهینه سازی شده توسط دو الگوریتم شاهین هریس (HHO) و الگوریتم گورکن عسل خوار (HBA) در پیش بینی روند قیمت سهام در دو شرکت ایران خودرو و پالایش نفت اصفهان در بحران های بازار بورس اوراق بهادار تهران در بازه زمانی 10 روز آینده مورد بررسی قرارگرفته است و با معیارهای R2، MSE، RMSE، MAE، RSE و EVS نتایج این دو الگوریتم مقایسه شده است. نتایج این تحقیق نشان می دهد که الگوریتم HBA در پیش بینی قیمت سهام ایران خودرو و پالایش نفت اصفهان در طول زمان و بحران ها با دقت های به ترتیب 75٪ و 76٪ نسبت به الگوریتم HHO با دقت های 73٪ و 67٪ برتری دارد.
    کلید واژگان: پیش بینی قیمت سهام، شبکه عصبی مصنوعی، بورس، الگوریتم های بهینه سازی فرا ابتکاری، بحران
    Masuod Darabi *, Mohsen Golsorkh Hagh, Asghar Asgharzadeh, Aidin Aboutalebi
    Currently, investing in the stock market constitutes a significant portion of the country's economy. Securities are considered a reliable tool for gaining the trust of investors and are associated with various levels of risk. This approach can gather small and dispersed investments that, on their own, cannot be effectively utilized and transform them into substantial financial resources for economic development. In stock markets, price fluctuations are highly sensitive, leading to regular analysis and monitoring of these changes. As a result, stock price prediction has gained significant importance for investors, enabling them to maximize their returns and assisting them in making informed investment decisions. In recent years, modern time-series prediction methods based on artificial intelligence and machine learning have advanced rapidly. Given the high value of this data for investment and stock price prediction, traditional data analysis methods face limitations in effectively learning from it. With technological advancements and the introduction of new techniques, such as neural networks and metaheuristic algorithms, the use of these methods for stock price prediction has seen significant growth. In this study, the capability of various models based on neural networks optimized by two algorithms, Harris Hawk Optimization (HHO) and Honey Badger Algorithm (HBA), in predicting the stock price trends of two companies, Iran Khodro and Isfahan Oil Refinery, in the Tehran Stock Exchange over the next 10 days, is examined. The results of these two algorithms are compared using metrics such as MSE, RMSE, MAE, RSE, and EVS. The findings of this research indicate that the HBA algorithm outperforms the HHO algorithm, with accuracies of 75% and 76% in predicting the stock prices of Iran Khodro and Isfahan Oil Refinery, respectively, compared to the HHO algorithm's accuracies of 73% and 67%.
    Keywords: Stock Price Prediction, Artificial Neural Network, Stock Market, Metaheuristic Optimization Algorithms, Crisis
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال