پیش بینی صرف سهام عادی با رویکرد شبکه عصبی مصنوعی (ann)
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
پیش بینی بازده سهام با روش شبکه عصبی مصنوعی
پیش بینی در حسابداری از دیرباز مورد توجه متفکران و اندیشمندان این حرفه بوده است و پیش بینی بازده سهام برای دوره های آتی، از مهم ترین ضروریت های مدیریت واحدهای اقتصادی است. روشن است که خصوصیت عدم اطمینان، امر نامطلوبی است و از طرفی برای سرمایه گذارانی که بورس را به عنوان مکان سرما
پیش بینی سیلاب با استفاده از شبکه عصبی مصنوعی و سری زمانی
سیلاب را می توان یکی از مخرب ترین بلایای طبیعی دانست که علاوه بر جان انسانها سرمایه آنها را نیز تهدید می کند. برای مهار سیلاب آنچه در درجه نخست دارای اهمیت است پیش-بینی مقدار سیلاب می¬باشد. لذا برای تحقق این امر، از مدل های جعبه سیاه از جمله مدل سری های زمانی و یا اخیراً از مدل ش
بررسی ژنتیکی و فنوتیپی خصوصیات منحنی رشد و پیش بینی برخی صفات لاشه توسط شبکه عصبی مصنوعی در گوسفند بلوچی
جهت بررسی ژنتیکی و فنوتیپی منحنی رشد و نیز استفاده از شبکه عصبی مصنوعی در پیش بینی رشد و برخی صفات لاشه در گوسفند بلوچی، شش آزمایش انجام شد. در آزمایش اول، رشد گوسفندان بلوچی در شرایط سیستم پرورش متمرکز مورد بررسی قرار گرفت. مدلهای اثرات ثابت خطی و غیر خطی با یکدیگر مقایسه و بهتر
بررسی انرژی مصرفی، تعیین بهترین تابع تولید و پیش بینی انرژی مصرفی به کمک شبکه عصبی مصنوعی برای محصول گوجه فرنگی گلخانه ای استان اصفهان
در این تحقیق به منظور بررسی و پیش بینی انرژی مصرفی در تولید گوجه فرنگی گلخانه ای استان اصفهان از توابع تولید انرژی و شبکه های عصبی مصنوعی استفاده شد. برای این کار داده ها به روش کاملاً تصادفی به وسیله پرسش شخص به شخص، از میان 30 گلخانه استان اصفهان جمع آوری شد. کل انرژی ورودی در
پیش بینی تحرکات شاخص قیمت سهام با استفاده از الگوهای شبکه عصبی مصنوعی(ann)و ماشین بردار پشتیبان(svm)
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 ب
تحلیل عملکرد شبکه عصبی مصنوعی(ann) و سیستم استنتاج عصبی- فازی تطبیقی(anfis) در پیش بینی و برآورد فرسایش و رسوب حوضه نوران
در طی سال های اخیر مسئله حفاظت از خاک و آب از اصولی ترین پایه های توسعه پایدار مطرح می باشد. اثرات منفی فرسایش و پیامدهای ناشی از آن ، نه تنها سبب کاهش توان تولیدی و تخریب خصوصیات فیزیکی و شیمایی خاک می گردد. بلکه باعث می شود در محل خروجی حوضه های آبخیز رسوبات حاصل از فرسایش بر ر
اسناد مشابه
پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن
با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه شان و پیامدها و هزینه هایی که وقوع ورشکستگی برای شرکت ها و اقتصاد کشور و سایر افراد و نهادها می تواند ایجاد نماید. در صورتی که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت ها را پیش بینی نمود و پس از آن با علت ی
پیش بینی قیمت سهام بر اساس شبکه عصبی LM-BP و برآورد نقطه بیش از حد توسط شمارش فواصل زمانی: شواهدی از بورس اوراق بهادار
در این پژوهش برای تعیین روش پیش بینی قیمت سهام، یک شبکه عصبی LM-BP بر اساس سری های زمانی با توجه به قیمت باز، بالاترین قیمت، پایین ترین قیمت، قیمت بسته و حجم معاملات ارائه شد. در پژوهش حاضر، 315 روز قیمت سهام را برای ایجاد 10 نمونه انتخاب و مجموعه آزمون شامل قیمت سهام از روز 316
پیش بینی تبخیر با استفاده از شبکه عصبی مصنوعی و سیگنا لهای اقلیمی در حوضه دز
تبخیر از پدیده های مهم چرخه آبشناختی است و تخمین و پیش بینی آن در مدیریت و برنامه ریزی اصولی آب ضروری می باشد، به همین خاطر به پیش بینی این پدیده در حوضه دز که بخش مهمی از آب مصرفی کشور را تأ مین می کند پرداخته شده است. در شبیه سازی تبخیر و بررسی امکان پیش بینی آن ازمدل شبکه عصبی
تاثیر کیفیت سود بر پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی
پیش بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره های آتی، یکی از عناصر مهم در تصمیم گیری برای سرمایه گذاران بوده و در این میان انتخاب متغیرهای پیش بینی کننده همواره به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی ورشکستگی مطرح بوده است که در راس آن ها همواره سود حسابدا
پیش بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)
با توجه به کمبود ایستگاه های اندازه گیری در کشور، لزوم استفاده از مدل های تجربی برآورد دبی حداکثر لحظه ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش بینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبی های متوسط حداکثر
بررسی روند و پیش بینی بارش با استفاده از شبکه عصبی مصنوعی در کاشان
بارش باران جز مهم‌‌ترین پدیده‌های جوّی است که بر زندگی بشر، پوشش گیاهی و جانوری تأثیر می‌گذارد. پیش‌بینی بارش باران برای اهداف مختلفی مانند فعالیت‌های کشاورزی، پیش‌بینی سیلاب، تأمین آب شرب و بسیاری از موارد از اهمیت بسیار بالایی برخوردار است. هدف این پژوهش بررسی روند و پیش‌بینی ب