مقایسه عملکرد الگوریتم‏های فرابتکاری در پیش‌بینی قیمت سهام در بازار بورس اوراق بهادار تهران

در بازارهای مالی، یادگیری ماشینی به یک ابزار تحلیلی قدرتمند تبدیل شده است که برای کمک و مدیریت کارآمد سرمایه‌گذاری استفاده می‌شود. یادگیری ماشینی به طور گسترده در بخش مالی برای ارائه مکانیسم جدیدی استفاده شده است که می تواند به سرمایه‏گذاران کمک کند تا تصمیمات بهتری در سرمایه‏گذاری و مدیریت برای دستیابی به عملکرد بهتر سرمایه‌گذاری در اوراق بهادار خود بگیرند. در این پژوهش به استفاده از مدل هوش مصنوعی معروف به حافظه طولانی کوتاه‌مدت (lstm) برای نشان دادن عملکرد آن در پیش بینی قیمت سهام در بورس اوراق بهادار تهران (tse) پرداخته شد. همچنین برای آموزش مدل و بهینه کردن پارامترها از الگوریتم های فرابتکاری نوین مانند: الگوریتم‌های گرگ خاکستری (gwo)، ژنتیک (ga) و ازدحام ذرات (pso) استفاده شد. نتایج مربوط به الگوریتم lstm با بهینه‌سازی پارامترها توسط الگوریتم‌های ga، pso و gwo نشان داد که در اکثر موارد الگوریتم pso نتایج بهتری را کسب نموده است. حال آنکه ga و gwo نتایج مشابهی داشته و در برخی موارد ga و در برخی موارد gwo بهتر عمل نموده است.

comparing the performance of metaheuristic algorithms in predicting stock prices in the tehran stock exchange market

in financial markets, machine learning has emerged as a powerful analytical tool assists in efficient investment management. it has been widely utilized in the financial sector to offera novelmechanism that aidsinvestors in making improvedinvestment and management decisions, ultimately leading to better investment performance in their securities. this research focuses on the implementation of, the artificial intelligence model known as long short-term memory (lstm) to showcase its predictive performance in forecasting stock prices in tehran stock exchange. additionaly, contemporary metaheuristic algorithms, such as gray wolf, genetics and pso algorithms, were emloyed to train the model and optimize its parameters. the results obtained from thelstm algorithm, with parameters optimization using ga, pso and gwo algorithms, revealed that in most cases, the pso algorithmyielded superior outcomes. however, ga and gwo demonstrated comparable results, withga outperforming gwo in certain instances.