استفاده از روش هیبرید انتخاب ویژگی و الگوریتم نزدیکترین همسایگی برای پیش‌بینی جهت حرکتی روزانه شاخص50 شرکت فعال‌تر بورس و اوراق بهادار تهران

پیش­بینی بازار سهام به علت پر سود بودن معاملات سهام همواره مورد توجه معامله­گران و سرمایه­گذاران می­باشد. یک معامله موفق سهام در خرید و یا فروش در نزدیکی نقاطی که روند قیمت تغییر می­یابد، اتفاق می­افتد. بنابراین پیش­بینی شاخص بازار سهام و تحلیل آن برای تشخیص اینکه آیا قیمت بسته شدن سهام در روز بعد افزایش خواهد یافت و یا کاهش، بسیار مهم است. در این پژوهش از روش طبقه­بندی نزدیکترین همسایگی بر پایه روش ترکیبی انتخاب ویژگی برای پیش­بینی جهت حرکتی شاخص 50 شرکت فعال ­تر بورس اوراق بهادار تهران استفاده شده است. این روش هیبرید انتخاب ویژگی، که ترکیبی از روش تجزیه و تحلیل اجزای اساسی و الگوریتم ژنتیک می­باشد از مزایای هر دو نوع روش پوشش دهنده و فیلترکننده انتخاب ویژگی، برای انتخاب یک زیرمجموعه بهینه از بین فضای کل ویژگی­ها برخوردار می­باشد. عملکرد روش ترکیبی پیشنهادی با روش­های متداول انتخاب ویژگی که عبارت است از: زنجیره­ اطلاعات، رلیف و روش آنالیز اجزای اساسی که جزو روش­های فیلتر هستند و روش الگوریتم ژنتیک که از خانواده روش­های پوشش­دهنده می­باشد، با استفاده از آزمون مقایسات زوجی مقایسه گردیده و نتایج حاصل نشان می­دهد که روش ترکیبی ارائه شده از عملکرد بالاتری نسبت به دیگر روش­های استفاده شده، در پیش­بینی جهت حرکتی روزانه شاخص 50 شرکت فعال­تر بورس اوراق بهادار تهران برخوردار می­باشد.