این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت بحران، جلد ۱۴، شماره ۱، صفحات ۱-۳۶
عنوان فارسی ارائه مدلی برای امکان‌سنجی استفاده از شبکه عصبی مصنوعی بهینه‌سازی شده توسط الگوریتم‌های بهینه‌سازی فرا ابتکاری برای پیش‌بینی قیمت سهام شرکت‌ها در بحران‌های بورس اوراق بهادار تهران
چکیده فارسی مقاله در حال حاضر، سرمایه‌گذاری در بورس بخش قابل‌توجهی از اقتصاد کشور را شامل می‌شود. اوراق بهادار ابزاری مطمئن برای جذب اعتماد سرمایه‌گذاران به شمار می‌رود و با ریسک‌های متفاوتی همراه است. این بازار قادر است سرمایه‌های کوچک و پراکنده‌ای را که به‌تنهایی قابلیت بهره‌برداری ندارند، جمع‌آوری کرده و از آن‌ها منابع مالی قابل‌توجهی برای توسعه اقتصادی ایجاد کند. در بازارهای بورس، نوسانات قیمت از حساسیت بالایی برخوردار است و این موضوع موجب شده که تغییرات مربوط به این نوسانات به‌طور منظم مورد بررسی و تحلیل قرار گیرد. به همین دلیل، پیش‌بینی قیمت سهام در زمان بحران، برای سرمایه‌گذاران اهمیت زیادی پیداکرده تا بتوانند بیشترین سود ممکن را از سرمایه‌گذاری‌های خود به دست آورند. در سال‌های اخیر و بحران‌های اقتصادی مانند تحریم و سایر موارد، قیمت سهام با نوساناتی همراه بوده است و به دلیل پیش‌بینی دقیق توسط سرمایه‌گذاران در این زمان‌ها، عملکرد کم خطای الگوریتم‌های فرا ابتکاری جدید به‌عنوان روشی نوین مطرح می‌شود. امروزه روش‌های نوین پیش‌بینی سری‌های زمانی بر اساس هوش مصنوعی و یادگیری ماشین به‌سرعت پیشرفت کرده‌اند، به‌طوری‌که این داده‌ها برای سرمایه‌گذاری و پیش‌بینی قیمت سهام ارزش زیادی دارند ولی شیوه‌های سنتی تحلیل داده در یادگیری مؤثر از آن‌ها محدودیت دارند. با توسعه فناوری و ورود تکنیک‌های جدید مانند شبکه‌های عصبی و الگوریتم‌های فرا ابتکاری، استفاده ازاین‌روش‌ها در پیش‌بینی قیمت سهام به شکل چشم‌گیری افزایش‌یافته است. در این تحقیق، امکان‌سنجی توانایی مدل‌های مختلف مبتنی بر شبکه‌های عصبی بهینه‌سازی شده توسط دو الگوریتم شاهین هریس (HHO) و الگوریتم گورکن عسل خوار (HBA) در پیش‌بینی روند قیمت سهام در دو شرکت ایران‌خودرو و پالایش نفت اصفهان در بحران‌های بازار بورس اوراق بهادار تهران در بازه زمانی 10 روز آینده مورد بررسی قرارگرفته است و با معیارهای R2، MSE، RMSE، MAE، RSE و EVS نتایج این دو الگوریتم مقایسه شده است. نتایج این تحقیق نشان می‌دهد که الگوریتم HBA در پیش‌بینی قیمت سهام ایران‌خودرو و پالایش نفت اصفهان در طول زمان و بحران‌ها با دقت‌های به ترتیب 75٪ و 76٪ نسبت به الگوریتم HHO با دقت‌های 73٪ و 67٪ برتری دارد.
کلیدواژه‌های فارسی مقاله پیش‌بینی قیمت سهام،شبکه عصبی مصنوعی،بورس،الگوریتم‌های بهینه‌سازی فرا ابتکاری،بحران،
عنوان انگلیسی Proposing a Model for Feasibility Assessment of Utilizing Artificial Neural Networks Optimized by Metaheuristic Algorithms for Predicting Stock Prices of Companies during Crises in the Tehran Stock Exchange
چکیده انگلیسی مقاله Currently, investing in the stock market constitutes a significant portion of the country's economy. Securities are considered a reliable tool for gaining the trust of investors and are associated with various levels of risk. This approach can gather small and dispersed investments that, on their own, cannot be effectively utilized and transform them into substantial financial resources for economic development. In stock markets, price fluctuations are highly sensitive, leading to regular analysis and monitoring of these changes. As a result, stock price prediction has gained significant importance for investors, enabling them to maximize their returns and assisting them in making informed investment decisions. In recent years, modern time-series prediction methods based on artificial intelligence and machine learning have advanced rapidly. Given the high value of this data for investment and stock price prediction, traditional data analysis methods face limitations in effectively learning from it. With technological advancements and the introduction of new techniques, such as neural networks and metaheuristic algorithms, the use of these methods for stock price prediction has seen significant growth. In this study, the capability of various models based on neural networks optimized by two algorithms, Harris Hawk Optimization (HHO) and Honey Badger Algorithm (HBA), in predicting the stock price trends of two companies, Iran Khodro and Isfahan Oil Refinery, in the Tehran Stock Exchange over the next 10 days, is examined. The results of these two algorithms are compared using metrics such as MSE, RMSE, MAE, RSE, and EVS. The findings of this research indicate that the HBA algorithm outperforms the HHO algorithm, with accuracies of 75% and 76% in predicting the stock prices of Iran Khodro and Isfahan Oil Refinery, respectively, compared to the HHO algorithm's accuracies of 73% and 67%.
کلیدواژه‌های انگلیسی مقاله پیش‌بینی قیمت سهام,شبکه عصبی مصنوعی,بورس,الگوریتم‌های بهینه‌سازی فرا ابتکاری,بحران
نویسندگان مقاله مسعود دارابی |
استادیار، مجتمع دانشگاهی پدافند غیرعامل، دانشگاه مالک اشتر، تهران، ایران

محسن گل سرخ حق |
دکترای مدیریت راهبردی دفاعی، دانشگاه عالی دفاع ملی، تهران، ایران

اصغر اصغرزاده |
استادیار، مدیریت مالی، پژوهشکده سرمایه اجتماعی، دانشگاه فرماندهی و ستاد آجا، تهران، ایران

آیدین ابوطالبی |
دانشجوی دکترای اقتصاد، بخش اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم تحقیقات، تهران، ایران

نشانی اینترنتی https://www.joem.ir/article_720840_7ceff6027a5fdc38de03d27e197e4df4.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات