پیش‌بینی مالی با استفاده از روش بهینه‌سازی ازدحام ذرات کوانتومی و توزیع کوشی

در طول تاریخ مسائل اقتصادی به‌عنوان یکی از مهم‌ترین موضوعات پژوهشی و علمی بوده که همواره توجه و تمرکز دانشمندان و پژوهشگران را به خود جلب کرده است. تعدد عوامل موثر بر مسائل اقتصادی چه در سطح ملی و چه در سطح بین‌المللی تصمیم‌گیری را در این حوزه دشوار کرده است. به همین دلیل در چهار دهه اخیر، ابزارهای مختلف و هوشمندی برای تحلیل این بازارهای مالی و به‌منظور تسهیل در تصمیم‌گیری ایجاد و استفاده‌شده است. مدل‌های کامپیوتری که مبتنی بر ریاضیات و تحلیل داده‌ها و بهینه‌سازی‌هایی که منجر به دقیق‌تر شدن تحلیل‌ها می‌شود نیز در این دوران از توجه قابل‌ملاحظه‌ای برخوردار بوده‌اند که محققین زیادی بر روی آن مطالعه انجام داده‌اند. در این تحقیق ما با بررسی کارهای انجام‌شده در این حوزه سعی کرده‌ایم تا مدل‌های پیش‌بینی برای داده‌های سری زمانی را بهینه‌سازی کنیم. در این تحقیق ما از مدل میانگین متحرک یکپارچه خود رگرسیون استفاده کرده‌ایم و همچنین برای بهینه‌سازی آن نیز از روش بهینه‌سازی ازدحام ذرات کوانتومی و توزیع کوشی استفاده نموده‌ایم. هدف مدل پیشنهادی بهبود دقت پیش‌بینی مالی با بهینه‌سازی پارامترهای ورودی مدل سری زمانی arima است. الگوریتم qpso برای بهینه‌سازی پارامترهای مدل سری زمانی استفاده می‌شود، درحالی‌که الگوریتم cd برای تولید مقادیر اولیه برای الگوریتم qpso استفاده می‌شود. روش پیشنهادی بر روی مجموعه داده‌های مالی دنیای واقعی آزمایش می‌شود و نتایج نشان‌می‌دهد که از سایر روش‌های پیش‌بینی سنتی بهتر عمل می‌کند. این مقاله نتیجه می‌گیرد که مدل پیشنهادی می‌تواند ابزار ارزشمندی برای تحلیلگران مالی و سرمایه‌گذاران در تصمیم‌گیری آگاهانه باشد.