پیش بینی قیمت سهام با رگرسیون فازی (مورد مطالعاتی: صنایع کانی غیرفلزی بازار بورس ایران)
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
با توجه به توانایی و قابلیت مدلهای ریاضی و آماری در پیش بینی متغیرها، در این تحقیق از سری زمانی arima و رگرسیونی از عوامل تاثیر گذار بر قیمت سهام جهت پیش بینی مقادیر آتی این متغیراستفاه شده است. از طرفی با وجود عوامل زیادو پیچیدگی ارتباطات بین آنها و ابهامها و عدم اطمینان های باز
فراوانی مقالاتی که قیمت سهام را به عنوان منبع اطلاعاتی خود مورد استفاده قرار داده اند، خود به تنهایی حاکی از اهمیت بسیار بالای این موضوع است. به طوری که در سالهای 2010، 2011 و 2012 (4 ماه) به ترتیب 1204، 1488 و 932 کتاب و مقاله در این مورد به چاپ رسیده است. در بخش ریاضی پایان نام
همواره پیش بینی سری های زمانی مالی موضوعی چالش برانگیز در زمینه تجزیه و تحلیل بازار سهام محسوب می شود. در این تحقیق رویکردی ترکیبی مبتنی بر سیستم قاعده بنیان فازی tsk و الگوریتم ژنتیک به منظور پیش بینی قیمت سهام توسعه داده شده است. در مرحله پیش-پردازش ابتدا با استفاده از داده های
چکیده پژوهش حاضر به پیش بینی قیمت پایانی سهام شرکت ملی مس ایران برای روز بعد می پردازد.بدین منظور داده ها مربوط به سهام شرکت ملی مس ایران از بدو ورود در بازار بورس تهران ،(یعنی اسفند سال 1385 تا هفدهم آبان ماه سال1390) به صورت روزانه گردآوری شده است و متغیرهای مستقل تحقیق و یا هم
افزایش میزان سود و کاهش ریسک سرمایه گذاری دربورس همیشه مهمترین دغدغه سرمایه گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه ای که دارای بیشترین بازده و کمترین ریسک سرمایه گذاری باشد. تحقیقات زیادی در این رابطه انجام گرفته
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و پیش بینی در این بازار همواره با چالش، تردید و خطا مواجه بوده است و روش های مورد ا
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیرخطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی
در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون arima و روش های نوینی، چون شبکه های عصبی برای
در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون ARIMA و روش های نوینی، چون شبکه های عصبی برای
اهمیت ویژه بازار سرمایه در کشورها ،در توسعه اقتصادی آنها از طریق هدایت مؤثر سرمایه ها و تخصیص بهینه منابع ،غیرقایل انکار است.سرمایه گذاری در بازار سهام مستلزم تصمیم گیری در خصوص خرید سهام جدید وحفظ یا فروش سهام موجود می باشد که این خود نیازمند دستیابی به اطلاعاتی در خصوص آینده قی
در بازارهای سرمایه عاملهای مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عاملهای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم تر
مقدمه: در این پژوهش از الگوی اقتصادسنجی و شبکه عصبی پایه شعاعی برای افزایش اثربخشی، کاهش هزینه و زمان روش تحلیل بنیادی در پیش بینی قیمت سهام شرکت های صنایع مواد و محصولات دارویی، محصولات شیمیایی و وسایل اندازه گیری پزشکی و اپتیکی استفاده شده است. روش پژوهش: پژوهش حاضر کاربردی و ط