بررسی عملکرد شبکه های عصبی خودساز مانده و خودساز مانده زمانی در خوشه بندی شاخص کل بورس اوراق بهادار تهران
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در پژوهش حاضر چارچوبی متشکل از سه مدل ناهمسانی واریانس شرطی گارچ(garch)،شبکه عصبی مصنوعی-گارچ (nn-garch) و شبکه عصبی مصنوعی موجکی-گارچ (wnn-garch) به منظور پیش بینی نوسانات بازدهی شاخص کل بورس اوراق بهادار ارائه شده است.نتایج نشان می دهد که استفاده از شبکه عصبی مصنوعی پیشخور با ا
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این منظور، در
پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سریزمانی در پیشبینی قیمت شاخص سهام میپردازد. بدین جهت سه مدل از شبکههای عصبی(پروسپترونی چند لایه ،پایهای شعاعی و رگرسیونی) و یک مدل از مدلهای سریزمانی (باکس- جنکینز) مورد بررسی قرار گرفتهاند. شاخص کل قیمت سهام بازار بورس تهران در با
پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سریزمانی در پیشبینی قیمت شاخص سهام میپردازد. بدین جهت سه مدل از شبکههای عصبی(پروسپترونی چند لایه ،پایهای شعاعی و رگرسیونی) و یک مدل از مدلهای سریزمانی (باکس- جنکینز) مورد بررسی قرار گرفته اند. شاخص کل قیمت سهام بازار بورس تهران در با