پیش بینی سری های زمانی آشوبی با استفاده از بهینه سازی کلونی مورچگان در بورس اوراق بهادار تهران
نویسنده:
چکیده:
وجود روش های مناسب پیش بینی روندهای آینده بازار سرمایه منجر به تصمیم گیری های بهتری از جانب فعالان این بازارها خواهد شد. اغلب به دلیل ماهیت غیر خطی و آشوب گونه بازارهای مالی مدل های کلاسیک پیش بینی عملکرد مطلوبی نداشته و اطلاعات موجود در داده ها با گذشت زمان به سرعت از بین رفته و در این صورت استفاده از آن ها در بلند مدت مفید نخواهد بود]1، ص 64[.
هدف این مقاله به کار بردن الگوریتم بهینه سازی کلونی مورچگان برای پیش بینی شاخص کل بورس اوراق بهادار تهران است. برای به کاربردن الگوریتم نخست با به کارگیری آزمون بزرگ ترین نمای لیاپانوف ماهیت آشوبی داده های شاخص کل بورس مورد بررسی قرارگرفت، سپس با به کارگیری الگوریتم بهینه سازی کلونی مورچگان نقاط جاذب تحلیل و در نهایت با استخراج دنباله های اعداد منتهی به نقاط جاذب پیش بینی انجام شد.
در پایان مقایسه نتایج پیش بینی با استفاده از آماره های سنجش خطا تایید کرد که الگوریتم مبنی بر بهینه سازی کلونی مورچگان داده ها را به خوبی و با کمترین خطا نسبت به مدل های گارچ تخمین می زند، البته نتایج بررسی با استفاده از آماره دایبولد ماریانو برابری نتایج پیش بینی را رد نکرد. الگوریتم ارائه شده این مقاله با تفکیک دنباله های جاذب روشی ساختارمند برای پیش بینی سیستم های آشوبی ارائه می دهد، بنابراین انتظار می رود که در بلند مدت و در پیش بینی های با نوسان های زیاد نتایج قابل قبولی ارائه دهد.
هدف این مقاله به کار بردن الگوریتم بهینه سازی کلونی مورچگان برای پیش بینی شاخص کل بورس اوراق بهادار تهران است. برای به کاربردن الگوریتم نخست با به کارگیری آزمون بزرگ ترین نمای لیاپانوف ماهیت آشوبی داده های شاخص کل بورس مورد بررسی قرارگرفت، سپس با به کارگیری الگوریتم بهینه سازی کلونی مورچگان نقاط جاذب تحلیل و در نهایت با استخراج دنباله های اعداد منتهی به نقاط جاذب پیش بینی انجام شد.
در پایان مقایسه نتایج پیش بینی با استفاده از آماره های سنجش خطا تایید کرد که الگوریتم مبنی بر بهینه سازی کلونی مورچگان داده ها را به خوبی و با کمترین خطا نسبت به مدل های گارچ تخمین می زند، البته نتایج بررسی با استفاده از آماره دایبولد ماریانو برابری نتایج پیش بینی را رد نکرد. الگوریتم ارائه شده این مقاله با تفکیک دنباله های جاذب روشی ساختارمند برای پیش بینی سیستم های آشوبی ارائه می دهد، بنابراین انتظار می رود که در بلند مدت و در پیش بینی های با نوسان های زیاد نتایج قابل قبولی ارائه دهد.
کلیدواژگان:
زبان:
فارسی
صفحات:
83 تا 100
لینک کوتاه:
magiran.com/p1271700
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!