پیش‌بینی قیمت سهام در بازار مالی با استفاده از الگوریتمهای ترکیبی ga-svm

هدف مقاله حاضر پیش‌بینی قیمت سهام به‌وسیله الگوریتم ترکیبی ga-sv می‌باشد. پیش‌بینی سری‌های زمانی مانند پیش‌بینی قیمت سهام یکی از مهم‌ترین مشکلات در حوزه مالی است، زیرا داده‌ها ناپایدار بوده و دارای متغیرهای نویزی می‌باشند که تحت‌تاثیر عوامل زیادی قرار دارند. در شرایط واقعی نیز شناسایی حرکات سری زمانی شاخص قیمت سهام بسیار پیچیده می‌باشد؛ بنابراین استفاده از یک مدل کلاسیک به‌تنهایی نمی‌تواند پیش‌بینی دقیقی از شاخص‌های قیمت سهام داشته باشد. ازاین‌رو با به‌کارگیری روش‌های ترکیبی می‌توان عدم اطمینان در پیش‌بینی را کاهش داد. در پیش‌بینی قیمت سهام در بخش مالی بیش از 100 شاخص برای درک رفتار بازار سهام ایجاد شده است؛ بنابراین شناسایی شاخص‌های مناسب یک مشکل چالش‌برانگیز است. یکی از تکنیک‌هایی که اخیراً برای پیش‌بینی سریال مورد بررسی قرار گرفته است، رگرسیون پشتیبانی بردار (svr) است. این مطالعه از الگوریتم ترکیبی ga-svm برای پیش‌بینی شاخص قیمت سهام استفاده می‌کند. نتایج تجربی نشان می‌دهد که الگوریتم پیشنهادی جایگزین مناسب‌تر و امیدوار کننده‌تری برای پیش‌بینی بازار سهام فراهم می‌آورد.

forecasting stocks in the financial market by using ga-svm hybrid algorithm

the purpose of this paper is to predict stock prices using hybrid ga-svm algorithm. predicting time series such as stock price forecasting is one of the most important issues in financial field. in real life, identifying time series movements in stock price indices is very complex. therefore, the use of a classical model alone cannot accurately predict stock price indices. hence, by using combined methods, uncertainty in forecasting can be reduced. in stock price forecasting in financial sector, more than 100 indicators have been created to understand stock market behavior, so, identifying the appropriate indicators is a challenging problem. one of the techniques that has recently been studied for serial forecasting is support regression vector (svr) or machine support vector (svm). this study uses the ga-svm hybrid algorithm to predict the stock price index. experimental results show that hybrid ga-svm algorithm provides a more appropriate and promising alternative to stock market forecasting.