مروری برکاربرد الگوریتم های فراابتکاری در مباحث مالی

نویسندگان

1 دانشیار گروه مهندسی برق ،‌دانشکده فنی و مهندسی، دانشگاه مازندران

2 دکترای حسابداری دانشگاه مازندران

چکیده

هدف از انجام پژوهش حاضر بررسی کاربرد الگوریتم‌ها‌ی فرا‌ابتکاری در حوزه مالی می‌باشد. الگوریتم‌های فر‌اابتکاری مورد مطالعه در این تحقیق شامل الگوریتم کلونی مورچگان، الگوریتم کرم شب‌تاب، الگوریتم زنبور ‌عسل، الگوریتم تجمعی ذرات، الگوریتم جستجوی هارمونی و الگوریتم جغرافیای زیستی می‌باشد. در این مقاله، ضمن بررسی هر یک از این الگوریتم‌ها به صورت مختصر، مطالعات داخلی و خارجی در این زمینه انجام گرفته و کاربرد آن‌ها در زمینه‌ی امور مالی بیان شده است. نتایج حاصل از مطالعات نشان می‌دهد، پژوهش‌های بیشتر و در نهایت استفاده از این الگوریتم‌ها در پیش‌بینی‌های مربوط به مباحث مالی و بازار سرمایه می‌تواند تا حد قابل‌قبولی به افزایش عملکرد عملیات حسابداری و حسابرسی کمک کند. همچنین افزایش تحقیقات و فراهم نمودن زمینه‌های عملیاتی در سال‌های اخیر نشان‌دهنده‌ی علاقمندی محققین و مراکز تحقیقاتی در جهت توسعه‌ی این روش‌های نوین به ویژه در بحث توسعه‌ی نرم‌افزاری است.

کلیدواژه‌ها


عنوان مقاله [English]

An Overview of the Application of Meta Heuristic Algorithms in Financial Field

نویسندگان [English]

  • JAMAL QASEMI 1
  • SERVEH FARZAD 2
1 UNIVERSITY OF MAZANDARAN
2 teacher
چکیده [English]

The purpose of this study is to investigate the application of Meta Heuristic Algorithms in Financial field. The studied algorithms in this study include ant colony algorithm, firefly algorithm, bee algorithm, harmony search, biogeography algorithm. while examining each of these algorithms in brief, internal and external studies are performed and their applications in the financial field are discussed. The results show that further research and ultimately the use of these algorithms in predicting financial and capital market issues can help to increase the performance of accounting and auditing operations to a researchable extent. Increasing research and providing operational backgrounds in recent years also reflect the interest of researchers and research organizations in developing these new approaches, especially in the field of software development.
 
 
منابع

کلیدواژه‌ها [English]

  • Ant Colony Algorithm / Firefly Algorithm / Bee Algorithm / Harmony Search / Biogeography Algorithm
میرقادری، ه و زندیه (1390)، «طراحی یک الگوریتم فراابتکاری جدید بر اساس رفتار توابع ریاضی (XCos (x و (tanh (x و چشم‌انداز مدیریت صنعتی»، شماره 2، صص 107-123.
دهقان، ح، کاظم و عطارزاده (1395)، «ارائه یک الگوریتم برای تخمین ورشکستگی موسسات مالی با الهام از الگوریتم زنبور ‌عسل»، فصلنامه پژوهش در علوم، مهندسی و فناوری، 2(1) صص 10-24.
تقی‌زاده، ح و هم‌فر (1394)، «بررسی کاربرد الگوریتم بهینه‌سازی کلونی مورچگان پیوسته در پیش‌بینی ورشکستگی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران»، دانش حسابرسی (59) 15.
فشاری، م، و مظاهری‌فرد (1395)، «مقایسه الگوریتم‌های پیش‌بینی و بهینه‌های پرتفوی در بورس اوراق بهادار تهران»، سیاست‌گذاری پیشرفت اقتصادی، صص75-59.
دنیوی، ع و حسام ساداتی (1392)، «الگوریتم جستجوی هارمونی برای بهینه‌سازی مسأله چند هدفه پرتفوی در حالت فازی - تصادفی بر اساس روش‌های امکان و لزوم. پایان‌نامه جهت اخذ کارشناسی ارشد»، دانشگاه ارومیه، دانشکده فنی و مهندسی، گروه مهندسی صنایع.
افضل، ر (1394)، «بهینه‌‌سازی سبد سهام بازارهای مالی با به‌کارگیری الگوریتم‌های کرم شب تاب و حرکت پرندگان»، کنفرانس بین‌المللی پژوهش‌های کاربردی در فناوری اطلاعات، کامپیوتر و مخابرات.
بیدگلی، غ و طیبی‌نژاد (1393)، «بهینه‌سازی سبد سرمایه‌گذاری بر اساس ارزش در معرض ریسک با استفاده از الگوریتم کلونی مورچگان»، دانش سرمایه‌گذاری، سال سوم، شماره دهم، صص 122-101.
بیات، ع و باقری (1395)، «پیش‌بینی قیمت سهام با استفاده از الگوریتم کرم شب تاب»، دانش مالی تحلیل اوراق بهادار، 10(35)، صص 145-135.
پاریابی, آ و سالمی (۱۳۹۵)، «پیش‌بینی قیمت سهام با داده‌های ترکیبی به روش الگوریتم کلونی زنبور عسل، اولین کنفرانس ملی اقتصاد، مدیریت و حسابداری»، اهواز، سازمان صنعت، معدن و تجارت خوزستان- انجمن حسابداری ایران- پارک علم و فناوری خوزستان -انجمن مدیریت ایران، https://www.civilica.com/Paper-EMAC01-EMAC01_205.html.
دولو، م و حیدری (1396)، «پیش‌بینی شاخص سهام با استفاده از ترکیب شبکه عصبی مصنوعی و مدل‌های فرا‌ابتکاری جستجوی هارمونی و الگوریتم ژنتیک»، اقتصاد مالی، سال یازدهم شماره 40.
 اذر، ع و افسر (1385)، «الگوسازی پیش‌بینی شاخص قیمت سهام با استفاده از شبکه‌های عصبی فازی و روش ترکیبی»، پایان‌نامه کارشناسی ارشد. گروه حسابداری. دانشکده مدیریت، دانشگاه تربیت مدرس.
دولو، م حسینی و حیدری (1395)، «آزمون پیش‌بینی شاخص قیمت بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی، الگوریتم ژنتیک و جستجوی هارمونی»، پایان‌نامه جهت اخذ کارشناسی ارشد، موسسه آموزش عالی ارشاد دماوند، مدیریت مالی.
شیری، م، صالحی و حمیده پور (1394)، «بررسی خطای پیش‌بینی تغییرات شاخص قیمت سهام در صنعت مواد و محصولات دارویی با استفاده از الگوریتم‌های هوش مصنوعی»، حسابداری سلامت سال چهارم شماره اول.
صالحی، م، حمیده پور و خادم (1395)، «بررسی مقایسه‌ای پیش‌بینی تغییرات شاخص قیمت سهام در نهادهای پولی با استفاده از هوش مصنوعی پژوهش‌های پولی و بانکی»، سال نهم، شماره 27.
آقاخانی، ک و کریمی (1393)، «ارائه یک تکنیک نوین هوشمند جهت پیش‌بینی داده‌های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی»، اولین همایش ملی پژوهش‌های مهندسی رایانه.
گرد، ع، وقفی، حبیب زاده و خواجه زاده (1394)، «مقایسه دقت پیش‌بینی مدیریت سود با استفاده از الگوریتم‌های مورچگان و غذایابی باکتری»، پژوهش‌های تجربی حسابداری، (4)15، 181 - 203.
کاردان، ب، صالحی، قره‌خانی و منصوری (1396)، «بررسی دقت الگوریتم‌های خطی- تکاملی BBO و ICDE و الگوریتم‌های غیرخطی SVR و CART در پیش‌بینی مدیریت سود»، پژوهش‌های حسابداری مالی، سال نهم شماره اول، صص95-77.
فلاح پور، س و ارم (1395)، «پیش‌بینی درماندگی مالی شرکت‌ها با استفاده از الگوریتم کلونی مورچگان»، پژوهش‌های مالی، دوره 18، شماره 2.
راعی، ر، رستمی و هاشم پور (1392)، «پیش‌بینی سری‌های زمانی آشوبی با استفاده از بهینه‌سازی کلونی مورچگان در بورس اوراق بهادار تهران»، مجله پژوهش‌های مدیریت در ایران،(18)1، 83- 100.
امیرحسینی، ز و داورپناه (1395)، «طراحی الگویی جهت پیش‌بینی قیمت طلا، با استفاده از الگوریتم پرواز پرندگان و الگوریتم ژنتیک و ارائه الگوریتم ترکیبی»، مجله مهندسی مالی و مدیریت اوراق بهادار،شماره 26 صص83-59.
بهزادی، ع (1391)، «پیش‌بینی ریسک سیستماتیک شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی مصنوعی»، پایان نامه کارشناسی ارشد. بهشهر. دانشگاه پیام نور.
حری، م و مهدوی (1394)، «طراحی مدلی جهت پیش‌بینی رتبه اعتباری مشتریان بانک‌‌ها با استفاده از الگوریتم فراابتکاری و هیبریدی چند معیاره شبکه عصبی فازی- کلونی مورچگان»، پژوهش‌های مدیریت در ایران، دوره 19 شماره 1.
افسر، ا و سرافراز (1389)، «بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش‌بینی بر مبنای شبکه‌های عصبی فازی»، فصلنامه پژوهش‌های اقتصادی، شماره 16، ص 165 194.
مظهری، م، فریدونیان، یوسفی و لسانی (۱۳۹۱)، «پیش‌بینی درماندگی مالی شرکت‌های قابل پذیرش در بورس برق و انرژی با استفاده از کلونی مصنوعی زنبور عسل»، بیست و هفتمین کنفرانس بین المللی برق، تهران، شرکت توانیر، پژوهشگاه نیرو، https://www.civilica.com/Paper-PSC27-PSC27_174.html.
ابراهیمی، ک، محمد رحمانی منش، علی بهرامی نسب و نوید شفیعی (1396)، «پیش‌‌بینی شاخص بورس اوراق بهادار تهران با استفاده از رگرسیون بردار پشتیبان بهینه‌‌سازی شده توسط الگوریتم کرم شب‌تاب بر پایه الگوریتم ژنتیک چندهدفه با مرتب‌سازی غیرمغلوب»، دومین کنفرانس سالانه اقتصاد، مدیریت و حسابداری، اهواز، دانشگاه شهید چمران- سازمان صنعت، معدن و تجارت خوزستان- https://WWW.civilica.com/Paper-EMAC02-EMAC02_342.HTML.
مرادی، مهدی، مهدی مظهری و پوریا اسدزاده (1393)، «پیش‌بینی درماندگی مالی مبتنی بر الگوریتم کاوش باکتری»، پایان‌نامه کارشناسی ارشد، موسسه آموزش‌های عالی غیر دولتی-غیر انتفاعی، دانشکده ادبیات و علوم انسانی، دانشگاه امام رضا علیه السلام.
دموری، د، فرید و اشهر (1390)، «پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با الگوهای سنتی»، دانش حسابداری، 5(24) صص30-7.
مایلی، ع، عیوضلو و فلاح پور (1394)، «استفاده از الگوریتم کرم شب‌تاب برای پیش‌بینی درماندگی مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران»، پایان‌نامه کارشناسی ارشد، دانشکده تهران، دانشگاه تهران، مهندسی مالی.
بیگی، ر و صالحی (1392)، «کاربرد الگوریتم فاخته در پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران»، یازدهمین همایش ملی حسابداری ایران، مشهد، دانشگاه فردوسی، https: // WWW.civilica.com/ Paper-IAAC11-IAAC11-091.html.
Konar, A., (2005), Computational Intelligence: Principles, techniques.Berlin: Springer.
Yang, X. S., (2008), Nature-Inspired Metaheuristic Algorithms. Luniver Press,.
Geem Z.W, Kim J.H, Lognathan G.V., (2001), A new heuristic optimization algorithm, harmony search. Simulation, 76,60-68.
 
Cura, T, (2009), Particle swarm optimization approach to portfolio optimization. Nonlinear Analysis: Real World Applications, 2396-2406.
Gocuken, M. Ozcualoco,M. Boru, A. Dosdoguru, A., (2016), Integrating Metaheuristics and Artifitial Networks for improved StockPrice Prediction. Expert Systems With Applications, doi:10.1016/ j. eswa.
Tehrani, R, Khodayar, F, (2010), Optimization of Artificial Neural Networks Using Colony Algorythm to Predict the Variation of Stock Price Index. Journal of Applied Sciences,10(3).
Goletsis, Y., Exarchos P., Themis, Katsis, Cheristos, (2009), Can Ants Predict Bankruptcy? A Comparison of Ant Colony Systems to Other State-of-The Art Computational Methods. New Mathematics and Natural Computation, 5(3), 571-588.
Brabazon, A. O’Neill, M., (2006), Biologically Inspired Algorithms for Financial Modelling. Springer-Verlag Berlin Heidelberg, Germany.
Leung, M. t., Chen, A. S., and DAOUK, h., (2015), Application of neural networks to an emerging financial market: forcasting and trading the Taiwan stock index. www.ssrn.com.
Gocüken, M. & Ozcüalõcõ, M. & Boru, A. & Dosdogùru, A., (2016), Integrating Metaheuristics and ArtiÞcial Neural Networks for improved Stock Price Prediction, Expert Systems With Applications, doi: 10.1016/j.eswa.2015.09.029
Chiam, S., Tan, K.,&Mamun, A., (2009), A memetic model of evolutionary PSO for computational finance applications. Expert Systems with Applications, (36), 3695-3711.
Kumar S., Thulasiram R.K., Thulasiraman P., (2009), Ant Colony Optimization for Option Pricing. In: Brabazon A., O’Neill M. (eds) Natural Computing in Computational Finance. Studies in Computational Intelligence, (185),
Toskari, M., (2009), Estimating the net electricity energy generation and demandusing the ant colony optimization approach”; http://www.sciencedirect.com/Energy Policy, Vol.37, Issue 3, pp. 1181-1187,
Goldwater and T. J. Fogarty., (1994) “Expert System-Driven Accounting Education: A Summary of Empirical Findings on the Reduction of Professorial Control”. Accounting education for the 21st century: the global challenges, 253.
Chase and J. K. Shim, (1991), “Artificial intelligence and big six accounting: A survey of the current uses of expert systems in the modern accounting environment”. Computers & industrial engineering, 21(1-4), 205-209.
Malizia, K. A. Olsen, T. Turchi and P. Crescenzi, (2017), “An ant-colony based approach for real-time implicit colla collaborative information seeking”. Information Processing & Management, 53(3), 608-623.
Blum, C., & Roli, A., (2008), Hybrid Metaheuristics: An Introduction. In C. Blum, M. J. e. B. Aguilera, A. Roli & M. Sampels (Eds.), Hybrid Metaheuristics (pp. 1-30). Berlin: Springer-Verlag.