داده‌های شاخص کل و شاخص‌های مهم اقتصادی با استفاده از مدل چندلایه پرسپترون شبکه عصبی توانست به‌خوبی قیمت سهام را پیش‌بینی کند. منجی وهم کاران۱۳۸۸ پیش‌بینی قیمت سهام به روش شبکه عصبی فازی و الگوریتم ژنتیک و مقایسه آن با شبکه عصبی شبکه‌ی عصبی فازیالگوریتم ژنتیک داده‌های روزانه و هفتگی و سالیانه شرکت غدیر پیش‌بینی

پیش‌بینی قیمت سهام با استفاده از باشاخص‌های ترکیبی بازار به روش شبکه عصبی شبکه عصبی داده‌های روزانهداده‌های بنیادی روش ترکیبی دقت پیش‌بینی قیمت سهام را بالا می‌برد. یاکوب کاراوهمکاران ۲۰۱۱ پیش‌بینی جهت حرکت شاخص قیمت سهام بورس استانبول شبکه عصبی فازیماشین بردار پشتیبان داده‌های روزانه شاخص فنی شبکه عصبی فازی دقت بالتری نسبت به ماشین

یافتن ارزش تابعی هرکدام از زنبورهای جمعیت اولیهبا توجه به ارزش تابع m مکان به‌عنوان نقاط بهتر که از میان آن e  نقطه به‌عنوان نقاط بهترین و m-e  مکان به‌عنوان سایر نقاط بهتر از بین مکان‌هایی که زنبورها یافته‌اند انتخاب میشود.مشخص کردن همسایگی این مکان‌ها برای اعزام نقاط جدید nghفرستادن زنبورها به نقاط انتخاب‌شده، البته زنبورهای بیشتری باید برای نقاط بهترین فرستاده شود.مشخص کردن

برای پیش‌بینی از شیوه‌های مختلف استفاده می‌گردد. یک نوع تقسیم‌بندی به شکل زیر است:پیش‌بینی‌های قضاوتی (کیفی)[۱۱]: در مواقع که اطلاعات دقیق و کاملی در مورد مسائله وجود نداشته باشد. از این نوع پیش‌بینی استفاده می‌شود. در این روش کوشش می‌شود نظرات ذهنی به‌صورت پیش‌بینی‌های کمی درآیند. ازجمله پیش‌بینی‌های قضاوتی می‌توان به تکنیک دلفی و روش تجمعی

جدول ۴-۹ شبکه عصبی مدل سوم کل داده‌ها با متغیرهای ترکیبی و اقتصادی (یافتههای محقق) ۹۵جدول ۴-۱۱ سطوح تنظیم پارامتر (یافتههای محقق) ۹۵جدول ۴-۱۲ سناریو آزمایشی عاملی کامل (یافتههای محقق) ۹۶جدول ۴-۱۳ شبکه عصبی کلونی زنبورعسل کل داده‌ها با متغیرهای ترکیبی (یافتههای محقق) ۹۷جدول ۵-۱ مقایسه نتایج سؤال اول و دوم ۱۰۳جدول ۵-۲ مقایسه مدل