چکیده:
رفتار سهام و روند تغییرات آن یکی از پیچیده ترین مکانیزمهایی است که همواره مورد توجه محققان میباشد. بورس تحت تاثیر عوامل مختلف بیرونی و درونی قرار دارد. عوامل تاثیرگذار بیرونی مانند عوامل سیاسی و اجتماعی قابلیت اندازهگیری ندارند، به همین جهت برای پیشبینی روند بورس، باید بر روی تاثیر عوامل درونی تمرکز نمود. در این پژوهش سیستم ترکیبی مبتنی بر شبکههای بیزین و مدل مخفی مارکوف، جهت پیشبینی روند روزانه بورس ایران پیشنهاد شده است. برای سهام هر شرکت، 6 شاخص بورس اوراق بهادار تهران که دارای بالاترین ضریب همبستگی میباشند و 22 اندیکاتور تکنیکی به عنوان متغیرهای ورودی در فاز پیشپردازش استفاده میشوند. از شبکههای بیزین جهت مشخص نمودن روابط بین متغیرها و از جداول احتمال شرطی آن برای بررسی تاثیر هر متغیر در پیشبینی استفاده میشود. در نهایت از مدل مخفی مارکوف برای پیشبینی روند بازار در مجموعه های استخراج شده از شبکه بیزین، استفاده میشود. مدل پیشنهادی بر روی سهام چهار شرکت داخلی به نام فولاد مبارکه اصفهان، ایران خودرو، بانک ملت و ایران دارو مورد بررسی قرار گرفته است. معیارهای ارزیابی در سیستم پیشنهادی، کارایی بالای این روش را نشان میدهند. بالاترین درصد صحت سیستم پیشنهادی 85.25 و متوسط درصد صحت آن 83.26 میباشد.
Stock market behavior is one of the most complex mechanisms, considered by researchers. Financial markets are influenced by the external and internal factors. External factors such as political and social factors are not measurable, so prediction the trend of stock markets is focused on internal factors.
This study suggests a hybrid approach based on Bayesian Networks and Hidden Markov Models to predict trend of stock market. The used variables are 6 index of Tehran Stock Exchange, which have the most correlation coefficient with target stock, and 22 technical indicators. Bayesian networks are utilized to find the relationships between variables, and the effect of each variable in prediction considered from conditional probability tables. Hidden Markov Model is designed for sets of extract from Bayesian networks.
The proposed model tested on four company’s stock names Mobarakeh Steel, Iran Khodro, Mellat Bank and Iran drug.
The average accuracy of the proposed system is 83.26 %. The experimental results show that the suggested procedure has higher performance for prediction of stock markets in comparison with other previous methods.
خلاصه ماشینی:
گوپتا و همکاران در[١] از مدل مخفي مارکوف براي پيش بيني قيمت بسته شده سهام فردا استفاده کرده اند.
تيکنور در[٣] از شبکه عصبي مصنوعي بيزي به عنوان روش جديدي براي پيش بيني رفتار بورس استفاده کرده است .
وانگ و همکاران در[٤] از گراف بيزي پويا براي پيش بيني روند بورس استفاده کرده است .
در فاز سه با توجه به ارتباطات فاز قبل ، داده هاي تست توسط مدل مخفي مـارکوف مـدل مـيشـوند و سپس با بازگشت به شبکه بيزين ، در احتمالات خروجي از هر گره ضرب مـيشـوند و در نهايـت بـا ماکزيمم گيري، روند قيمت سهام فردا پيش بيني ميشود و با مقدار واقعـي مقايسـه و نتيجـه گيـري انجام ميگيرد.
به طور کلي براي هر سهام خاص ، ٦ شاخص از شاخص هاي بورس اوراق بهادار تهران که داراي بالاترين ضريب همبستگي با سهام مورد نظر هستند و ٢٢ انديکاتور تکنيکي که در جدول شماره (١) ليست شده اند، به عنوان متغيرها و ويژگيهاي تاثيرگذار در نظر گرفته شده است .
٦- نتيجه گيري و بحث در اين پژوهش مدلي مبتني بر شبکه هاي بيزين و مدل مخفي مارکوف جهت پيش بيني روزانه روند بورس ايران پيشنهاد شده است .
A stock market prediction model using Artificial Neural Network.
In Computing Communication & Networking Technologies (ICCCNT), 2012 Third International Conference on (pp.
Study on forecasting the stock market trend based on stochastic analysis method.
In Proceedings of the 30th International Conference Mathematical Methods in Economics (pp.
Predicting Iran Stock Market Behavior Based on Bayesian Network and HMM.