فرکسیون : الگوریتم تلفیقی جدید پیش بینی روند شاخص صنایع بازار بورس و اوراق بهادار تهران

Abstract

با توجه به ساختار دینامیکی و نوسانات غیرخطی بازار سهام، پیش بینی دقیق روند این بازار با استفاده از روش های قدیمی دشوار است. در این تحقیق به منظور بهبود دقت پیش بینی روند شاخص در صنایع مختلف، الگوریتم جدیدی از تلفیق دو الگوریتم درونیابی فرکتال و رگرسیون ماشین بردار پشتیبان به نام اختصاری الگوریتم فرکسیون پیشنهاد می کنیم. برای این منظور پس از تشخیص فرکتال بودن ساختار صنایع با استفاده از نمایه هرست هر صنعت، مقدار شاخص در هر صنعت فرکتالی را به عنوان داده های اولیه برای پیش بینی روند شاخص در نظر می گیریم. سپس با اصلاح الگوریتم درونیابی فرکتال، به تولید داده های جدید می پردازیم و در پایان با فراخوانی الگوریتم رگرسیون بردار پشتیبان بر روی داده های بدست آمده، به پیش بینی روند شاخص خواهیم پرداخت. نتایج حاصل از پیاده سازی الگوریتم ترکیبی فرکسیون و مقایسه آن با دو روش مرسوم یعنی شبکه عصبی مصنوعی و رگرسیون ماشین بردار پشتیبان، حاکی از برتری دقت پیش بینی الگوریتم پیشنهادی است.