پیش‌بینی شاخص کل بورس اوراق بهادار تهران با رویکرد سیستم استنتاج عصبی- فازی انطباق پذیر و الگوریتم رقابت استعماری

در این پژوهش یک روش نوین ترکیبی برای پیش بینی شاخص کل بورس اوراق بهادار تهران ارائه شده است که هم زمان از الگوریتم رقابت استعماری به‌عنوان روش انتخاب ویژگی و شبکه فازی عصبی انطباق انطباق‌پذیر به‌عنوان تابع پیش‌بینی کننده استفاده می نماید. برای انجام این امر از 68 ویژگی موثر بر بازار بورس اوراق بهادار؛ که شامل شاخص های اقتصادی، شاخص های بورس ایران و سایر کشورها، شاخص‌های تحلیل فنی و شاخص های شمعدان ژاپنی به‌صورت روزانه در بازه زمانی 1389-1395 به‌عنوان ورودی مدل استفاده شده است. همچنین، شاخص کل بورس اوراق بهادار روز آتی به‌عنوان متغیر هدف مسئله مساله در نظر گرفته شده است. نتایج به‌دست‌آمده نشان می دهد که مدل ترکیبی شبکه عصبی فازی انطباق انطباق‌پذیر و الگوریتم رقابت استعماری پیش بینی های بسیار مناسب تری داشته و به نسبت شبکه های عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی شاخص کل بورس اوراق بهادار برخوردار بوده است.

Tehran Stock Exchange Index Forecasting Using Approach Adaptive NeuralFuzzy Inference System and Imperialist Competitive Algorithm

vStock market has been one of the most influential economic phenomena in the world for many years. The main players in the stock market are investors that are always looking to make the most profit. Since prices of stock market transactions is Impressionable from political, economic, social problems and the high volatility of prices, the prediction of stock market is very difficult.  The main solution for more profits in the market is making the right decisions about buying and selling appropriate stocks in appropriate time. Therefore, prediction is the most important requirements for traders. I this research, a new hybrid algorithm is proposed that uses imperialist competitive algorithm as a feature selection method and fuzzy adaptive neural inference system as a prediction function. This approach uses 63 features that affect the stock market, including economic features, Iran and other countries stock market indexes, technical analysis indexes and Japanese Candlestick on a daily basis in the period from 20102016. The Exchange Stock Index for the next day is considered as the target variable. The results show that the hybrid model includes Adaptive Neural Fuzzy Inference System (ANFIS) and Imperialist Competitive Algorithm, is much appropriate. This model is compared with a single ANFIS model has better approximation speed and the ability to predict the sto