موضوعات پایان نامه اقتصاد | پیش بینی شاخص بورس اوراق بهادار تهران با شبکه عصبی مبتنی بر الگوریتم ژنتیک

پیش بینی شاخص بورس اوراق بهادار تهران با شبکه عصبی مبتنی بر الگوریتم ژنتیک:

مطالعه داده های مالی برای محققان و برای تجارت جهانی اهمیت بسیاری دارد که این بخاطر طبیعت لطیف متغیری سری ها می باشد. ابزارهای مالی مانند روش های بازگشتی چند گانه ( هیر، آندرسون، تاتان و بلک، ۱۹۹۸) و آنالیزهای سری زمانی روشهای ایجاد شده بسیار خوبی هستند. که برای پیش بینی سری ها استفاده می شوند. ولی هرقدر سری ها پیچیده تر می شوند توانایی پیش بینی آنها نیز کاهش می یابد.

شبکه عصبی مصنوعی بطور گسترده ای در شاخه های مختلف مهندسی و علوم استفاده می شوند و ویژگی های آنها از پیچیدگی های نسبی گرفته تا معادلات غیرخطی، باعث شده که آن ابزاری مناسب در آنالیز اقتصادی باشد.تحقیق قبلی نشان می داد که شبکه های عصبی مصنوعی به خاطر ویژگی های غیر خطی پارامتری با یادگیری مطابقتی، برای کار تشخیص و طبقه بندی داده ها مناسب هستند. اما خود این شبکه­ها علیرغم برتری نسبت به مدل­های خطی و سنتی دچار مسائلی در مراحل آموزش و یادگیری می­باشند. نبود منبع غنی داده­های آموزشی، افتادن در بهینه محلی و عدم کفایت الگوریتم­های آموزشی آنان از جمله از مهترین مسائل مربوطه با شبکه­های عصبی می­باشد. با توجه به اهمیت پیش­بینی شاخص بورس اوراق بهادار در نظر فعالان اقتصادی و سیاست­گذاران در این مطالعه به کمک الگوریتم ژنتیک(GA) به آموزش شبکه عصبی چندلایه پرسپترون(MLP) پرداخته و سپس به مقایسه امکان بهبود نتایج در صورت استفاده از تکنیک ترکیبی در نرم افزار Matlab2014 پرداخته می­شود. بنابراین سوالات اساسی تحقیق به صورت زیر می­باشد:

• آیا امکان آموزش شبکه عصبی با الگوریتم ژنتیک وجود دارد؟
• در صورت استفاده از تکنیک ترکیبی شبکه عصبی و الگوریتم ژنتیک آیا قدرت پیش­بینی ارتقاع می­یابد؟
• ساختار مناسب شبکه عصبی پیش­بینی کننده شاخص بورس اوراق بهادار تهران کدام است؟