امروزه با توجه به نوسانات اقتصادی، بحث پیش بینی قیمت سهام و ریسک سرمایه گذاری از اهمیت ویژه ای برای معامله گران سهام برخوردار است. اخیرا از روش منطق فازی به منظور پویا سازی الگوهای کندل استیک با کاربرد در تحلیل معاملات سهام و پیش بینی ریسک سرمایه گذاری معاملات سهام استفاده شده است که دارای چالش حساسیت به تعداد نمونه معاملات غیر مفید و تنظیم غیر بهینه توابع عضویت فازی الگوهای کندل استیک میباشد. در این مقاله پیشنهاد بکارگیری روش رگرسیون مبتنی بر تابع پایه شعاعی به عنوان گام پیش پردازش برای کاهش نمونه معاملات کم اهمیت در پیش بینی ریسک سرمایه گذاری و روش بهینه سازی مبتنی بر ذره برای تنظیم بهینه مقادیر توابع عضویت فازی الگوهای کندل استیک مطرح میشود. روش مبتنی بر ذره کرم شب تاب و جایا قادر به بهینه سازی توابع عضویت فازی با قدرت بالایی میباشد. نتایج حاصل از روش پیشنهادی بر روی سهام شرکت های بزرگ بورس ایران حاکی از راندمان مناسب روش پیشنهادی میباشد.

Manuscript profile

اخیرا از روش هوشمند مبتنی بر فازی برای پویاسازی الگوهای کندل استیک ژاپنی در جهت تحلیل الگوهای کندل استیک با در نظر گرفتن اطلاعات غیر قطعی استفاده شده است. از انجایی که منطق فازی مبتنی بر دانش خبره است، اگرچه متخصصان انسانی میتوانند نقش مهمی در تنظیم مقادیر توابع عضویت متغیرهای فازی داشته باشند، اما از انجایی که معمولا دانش انسانی دارای ابهام است، تنظیم بهینه ای حاصل نمیگردد. از اینرو ارائه تکنیکی که منجر به تنظیم بهینه مقادیر توابع عضویت در الگوهای کندلی گردد، نقش بسزایی در راندمان سیستم معامله مبتنی بر فازی خواهد داشت. یکی از روشهای بهینه سازی پرکاربرد، روشهای فراابتکاری میباشد، اکثر روشهای فراابتکاری دارای ساختاری مشابه با روش بهینه سازی ازدحام ذرات اند. روشهای فراابتکاری مبتنی بر کرم شب تاب و مورچگان دلیل برخورداری از قابلیت های بهره وری و کشف مناسب، قدرتمندتر از بهینه سازی ازدحام ذرات اند. در این مقاله از روش کرم شب تاب و مورچگان برای تنظیم و بهینه سازی توابع عضویت متغیرهای کندل استیک فازی با کاربرد در تحلیل معاملات و پیش بینی قیمت سهام در سیستم معاملات سهام استفاده شده است. نتایج حاصل از اعمال روش پیشنهادی بر روی سهام شرکتهای ایران حاکی از دقت بالای روش پیشنهادی میباشد. Manuscript profile