مقدمه : شاخص قیمت سهام بورس نشان دهنده وضعیت اقتصادی کلی یک کشور است. به همین دلیل، پیش بینی این شاخص برای سرمایه گذاران از اهمیت بسزایی برخوردار است. هدف پژوهش حاضر پیش بینی تغییرات شاخص قیمت سهام در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی است. روش پژوهش: برای انجام این پژوهش از داده های شرکت های صنعت مواد و محصولات دارویی پذیرفته شده در بورس 1385 استفاده شده است. از بین 48 متغیر ورودی 10 متغیر به وسیله الگوریتم - اوراق بهادار تهران در بازه زمانی 391 بهینه سازی حرکت دسته جمعی ذرات انتخاب شد. این الگوریتم ترکیب بهینه ای از متغیرهای تأثیرگذار را شناسایی کرده که متغیرهای مستقل این پژوهش است. سپس، داده های مربوط به متغیرهای انتخاب شده به طور جداگانه به الگوریتم های کرم شب تاب، توابع پایه شعاعی، شبکه های چند لایه پرسپترون، رقابت استعماری و شبکه تطبیقی بر اساس نظام های با منطق فازی وارد شد و این الگوریتم ها آموزش داده شد. در ادامه، الگوریتم های مذکور با داده های ارزیابی، آزموده شده و به این ترتیب خطای پیش بینی مشخص و بر اساس آن به مقایسه روش ها پرداخته شد. برای این منظور از نر مافزارهای متلب نسخه های 6 و نسخه 11 استفاده شد. SPSS 7 یافته ها: استفاده از متغیرهای تأثیرگذار بر پیش بینی تغییرات شاخص قیمت سهام در الگوریتم های مورد استفاده در پژوهش حاضر توانسته است خطای پیش بینی تغییرات شاخص قیمت سهام در سطح صنعت مواد و محصولات دارویی را کاهش دهد. نتیجه گیری: نتایج پژوهش نشان می دهد که الگوریتم رقابت استعماری عملکرد بهتری نسبت به سایر الگوریتم ها دارد. هم چنین، الگوریتم های پیشنهادی در مجموع توانایی بالایی در پیش بینی شاخص قیمت سهام دارد و خروجی را نشان می دهد.

کلمات کلیدی