پیش‌بینی سری‌های زمانی آشوبی با استفاده از بهینه‌سازی کلونی مورچگان در بورس اوراق بهادار تهران

وجود روش‌های مناسب پیش‌بینی روندهای آینده بازار سرمایه منجر به تصمیم‌گیری‌های بهتری از جانب فعالان این بازارها خواهد شد. اغلب به دلیل ماهیت غیر‌ خطی و آشوب‌گونه بازارهای مالی مدل‌های کلاسیک پیش‌بینی عملکرد مطلوبی نداشته و اطلاعات موجود در داده‌ها با گذشت زمان به‌سرعت از بین رفته و در این صورت استفاده از آن‌ها در بلند‌مدت مفید نخواهد بود ]1، ص 64[.هدف این مقاله به کار بردن الگوریتم بهینه‌سازی کلونی مورچگان برای پیش‌بینی شاخص کل بورس اوراق بهادار تهران است. برای به کاربردن الگوریتم نخست با به‌کارگیری آزمون بزرگ‌ترین نمای لیاپانوف ماهیت آشوبی داده‌های شاخص کل بورس مورد بررسی قرارگرفت، سپس با به‌کارگیری الگوریتم بهینه‌سازی کلونی مورچگان نقاط جاذب تحلیل و‌ در‌نهایت با استخراج دنباله‌های اعداد منتهی به نقاط جاذب پیش‌بینی انجام شد.در پایان مقایسه نتایج پیش‌بینی با استفاده از آماره‌های سنجش خطا تایید کرد که الگوریتم مبنی بر بهینه‌سازی کلونی مورچگان داده‌ها را به‌خوبی و با کمترین خطا نسبت به مدل‌های گارچ تخمین می‌زند ، البته نتایج بررسی با استفاده از آماره دایبولد ماریانو برابری نتایج پیش‌بینی را رد نکرد. الگوریتم ارایه شده این مقاله با تفکیک دنباله‌های جاذب روشی ساختارمند برای پیش‌بینی سیستم ‌های آشوبی ارایه می‌دهد، بنابراین انتظار می‌رود که در بلند‌مدت و در پیش‌بینی‌های با نوسان‌های زیاد نتایج قابل قبولی ارایه دهد.