Thesis

پیش بینی تحرکات شاخص قیمت سهام با استفاده از الگوهای شبکه عصبی مصنوعی(ann)و ماشین بردار پشتیبان(svm)

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

بورس مکانی برای سرمایه گذاری وکسب درآمد و سود از طریق نگهداری و معامله سهام می باشد. بورس ایران به عنوان یکی از بورسهای نو ظهور و پویا که تغیرات شاخص قیمت سهام در آن بعلت اینکه تحت تاثیر عوامل کلان اقتصادی (سیاست، خط و مشی شرکت ها، شرایط اقتصادی، انتظار سرمایه گذاران در تغییرات بازار و موضوعات روانشناختی) قرار می گیرد غیر خطی، پیچیده، ناپارامتریک و تصادفی است، بنابراین نیازمند مطالعات جدی در زمینه پیش بینی تغیرات شاخص سهام است و همچنین چون سرمایه گذاران از شاخص ها جهت سرمایه گذاری استفاده می کنند بنابراین پیش بینی حرکت شاخص قیمت سهام یکی از بحث برانگیزترین موضوعات در امور مالی تلقی شود و صحت این پیش بینی ها برای بهبود استراتژی های معاملاتی و سرمایه گذاری و حذف ریسک در بورس بسیار مهم می باشد. اما از آنجایی که دو مدل شبکه عصبی مصنوعی و ماشین بردار پشتیبان کاربرد موفقیت آمیزی در پیش بینی های مبتنی بر سری زمانی داشته اند لذا در این تحقیق در صددیم قدرت پیش بینی این دو الگو را در بورس تهران مورد بررسی قرار دهیم. شبکه عصبی مصنوعی استفاده شده در این تحقیق mlp با 7 لایه پنهان و ماشین بردار پشتیبان smo با تابع poly kernel می باشد.. ورودی های این دو مدل شامل 9 اندیکاتور مربوط به دوره زمانی 1/4/1384 الی 30/9/1389 می باشد که برای پیش بینی مورد استفاده قرار گرفته است. نتیجه این تحقیق نشان میدهد که الگوی شبکه عصبی مصنوعی (ann) در پیش بینی جهت حرکت شاخص سهام به طور معنی داری نسبت به الگوی ماشین بردار پشتیبان (svm) از دقت پیش بینی بهتری برخوردار است.

Supervisors and advisors

حسین فخاری

Similar theses

Similar items

  • پیش بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

    Articleمجله علوم پزشکی رازیفرزانه برفه ئی، مسعود صالحی، ایرج نجفی

    زمینه و هدف: بیماری دیابت با گسترش روزافزون و بار سنگینی که در نتیجه کنترل و درمان عوارض به مردم و کشور تحمیل می کند به یکی از چالش های مسئولین درمانی و دولتی تبدیل شده است. از این رو پیشگیری از بروز و پیشرفت آن در اولویت قرار می گیرد که این امر تنها با شناسایی عوامل مؤثر و کنترل

  • بررسی خطای پیش بینی تغییرات شاخص قیمت سهام در صنعت مواد و محصولات دارویی با استفاده از الگوریتم های هوش مصنوعی

    Articleحسابداری سلامتدکتر محمود موسوی شیری، استادیار حسابداری دانشگاه پیام نور دکتر مهدی صالحی، استادیار حسابداری دانشگاه فردوسی مشهدسازمان اصلی تایید شده: دانشگاه فردوسی (ferdowsi university) کیانا حمیده پور، کارشناس ارشد حسابداری از دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان جنوبیسازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (islamic azad university science and research branch)

    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 ا

  • بررسی مقایسه ای پیش بینی تغییرات شاخص قیمت سهام در نهادهای پولی با استفاده از هوش مصنوعی

    Articleپژوهش های پولی و بانکیمهدی صالحی، کیانا حمیده پور، حمید خادم

    پژوهش حاضر به مطالعه پیش بینی تغییرات شاخص قیمت سهام صنعت بانک ها و نهادهای پولی در بورس اوراق بهادار تهران برای سال های ۱۳۸۵ تا ۱۳۹۲ با استفاده از الگوریتم های هوش مصنوعی می پردازد. دراین بین با استفاده از پیشینه پژوهش های قبلی ۴۸ متغیر تأثیرگذار بر قیمت سهام انتخاب و به عنوان و

  • موانع موجود در تعیین قیمت سهام به روش شبکه عصبی مصنوعی

    Article2014پژوهش های حسابداری مالی و حسابرسیربابه کریمی راسته کناری، رویا دارابی

    هدف این پژوهش بررسی موانع موجود در تعیین قیمت سهام به روش شبکه عصبی مصنوعی در شرکت‌های صنایع فلزی و کانی پذیرفته شده در بورس اوراق بهادار تهران می‌باشد. در این پژوهش از دو روش تحلیل آماری و شبکه عصبی استفاده شده‌است. در روش تحلیل آماری پرسشنامه‌ای تدوین گردید که بین کارشناسان ارش

  • موانع موجود در تعیین قیمت سهام به روش شبکه عصبی مصنوعی

    Article2014پژوهشهای حسابداری مالی وحسابرسیرویا دارابی، ربابه کریمی راسته کناری

    هدف این پژوهش بررسی موانع موجود در تعیین قیمت سهام به روش شبکه عصبی مصنوعی در شرکت های صنایع فلزی و کانی پذیرفته شده در بورس اوراق بهادار تهران می باشد. در این پژوهش از دو روش تحلیل آماری و شبکه عصبی استفاده شده است. در روش تحلیل آماری پرسشنامه ای تدوین گردید که بین کارشناسان ارش

  • پیش بینی محتوای رطوبتی پسته رقم اکبری با شبکه عصبی مصنوعی

    Articleپژوهش های علوم و صنایع غذایی ایران(pages 45-56) a. baharlooei، m. omid، h. ahmadi، sh. rafiei

    به منظور پیش بینی محتوای رطوبتی پسته رقم اکبری به کمک شبکه عصبی مصنوعی، آزمایشاتی در پنج سطح دمایی از 40 تا 80 درجه سانتی گراد، چهار سرعت جریان هوای ورودی بین 5/0 تا 2 متر بر ثانیه و در سه تکرار (جمعا 60 سری) در یک خشک کن لایه نازک انجام شد. رطوبت اولیه پسته در آغاز آزمایش ها 30