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.

واژه‌های کلیدی: درونیابی فرکتال، شبکه عصبی مصنوعی(ANN)، رگرسیون بردار پشتیبان (SVR)، شاخص صنایع، تحلیل آماری R/S

متن کامل [PDF 5306 kb]   (476 دریافت)