هدف تحقیق پیش بینی درجه نقدشوندگی سهام که در اینجا شاخص گردش سهام معرف آن است ، با استفاده از gmdh و الگوریتم ژنتیک است. .پس از اجرا نتایج در هر دو دسته در 5 صنعت خودرو، فلزات اساسی، سرمایه گذاری، سیمان و بانک نشان داده شدند که در هر دو دسته ورودی،gmdh توانایی قابل ملاحظه ای در پیش بینی درجه نقدشوندگی با دقت بالا را نسبت به پیش بینی رگرسیون چندگانه داراست،اما خروجی با 8 ورودی با میانگین خطاهای کمتر به عنوان مدل برتر انتخاب شد.
در این مقاله به دلیل اهمیت سرمایه گذاری و بویژه سرمایه گذاری در بورس، به پیش بینی بازدهی شاخص قیمت سهام در بورس اوراق بهادار جهت کاهش ریسک حاصل از تصمیم گیری پرداخته شده است. اهدافی که در این تحقیق مد نظر می باشند عبارتند از: • هدف کلی از انجام این تحقیق: پیش بینی بازدهی شاخص قیم
با توجه به اینکه صنعت پتروشیمی یکی از صنایع مهم و تاثیرگذار در اقتصاد ? تولید و درامد ناخالص ملی کشور به حساب می اید و کاربرد محصولات ان بسیار گسترده است بنابراین پیش بینی قیمت یک دغدغه بزرگ و مهم است . این پیش بینی ها هرساله با خارج شدن مبلغ هنگفتی ارز از کشور خریداری می شود. هد
پیشرفت اقتصادی هر کشور با ثبات اقتصاد کلان آن همبستگی مستقیم دارد. یکی از موثرترین متغیرهای تأثیرگذار بر ثبات اقتصادی، نرخ ارز می باشد. اگر مجموعه کنش ها و واکنش ها در مورد این متغیر به گونه ای باشد که اقتصاد را از شرایط مطلوب تعادل دور سازد، در آن صورت ثبات اقتصاد کلان دچار آسیب
پیش بینی صحیح و مناسب فرآیندهای هیدرولوژیکی می تواند کمک شایانی در زمینه طراحی بهینه پروژه های آبی و مهندسی و نیز جلوگیری از خطرات ناشی از آنها داشته باشد. در این راستا مدلسازی منطقی و مناسب فرآیند بارش-رواناب به عنوان اولین و مهمترین گام در راستای مبارزه و مقابله با سیلاب به عنو
نرخ ارز یکی از مهم ترین پارامترهای تأثیرگذار بر سیاست های اقتصادی هر کشور می باشد. لذا پیش بینی این متغیر از اهمیّت بسزایی برخوردار است. یکی از روش های سنتی پیش بینی تجزیه و تحلیل سری زمانی است که بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است. امّا در مواردی که ویژگی خطی بودن
چکیده سیمان به عنوان یک کالای استراتژیک که جایگزینی برای آن وجود ندارد نقش عمده ای در روند توسعه اقتصادی تمامی جوامع، به خصوص کشورهای در حال توسعه مانند ایران دارد. سرمایه گذاری های انجام شده در بخش های عمرانی، مسکن، حمل و نقل و غیره همگی نشان دهنده اهمیت و نقش سیمان در فرآیند پی
در عمده پژوهش های صورت گرفته در حوزه پیش بینی عملکرد مالی شرکت ها و به طور خاص، ورشکستگی، تنها به پیش بینی و یا مقایسه توان پیش بینی مدل ها پرداخته شده و در انجام این پیش بینی ها از نسبت های مالی و اندازه شرکت استفاده شده است. اما هدف اصلی از انجام پژوهش حاضر، بررسی میزان تاثیر گ
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری
رخداد بارش به متغیرهای هواشناسی زیادی وابسته است و سبب پیچیدگی پیش بینی بارش می شود یکی از روش ها جهت افزایش دقت پیش بینی استفاده از مدل های شبکه عصبی مصنوعی(ANN) است که به طور مستقیم برای پیش بینی بارش و یا پس پردازش برونداد مدل های عددی پیش بینی وضع هوا استفاده می‌شود. در این م
زمینه و هدف: در فرآیند مدل سازی، زمانی که بین متغیرهای کمکی همبستگی های نسبتا قوی وجود داشته باشد، هم خطی چندگانه ایجاد شده و باعث کاهش کارآیی مدل می گردد. هدف از این مطالعه استفاده از تحلیل مولفه های اصلی برای تعدیل اثر هم خطی چندگانه در مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی
به دلیل نواقص موجود در روش های پیشین محاسبه بزرگای زلزله، شبکه عصبی به عنوان یک روش جدید برای این منظور آزمایش می گردد. در این مقاله نوعی شبکه عصبی با نام پرسپترون چندلایه برای پیش بینی بزرگای گشتاوری زلزله مورد استفاده قرار گرفته است. شبکه عصبی پرسپترون شامل سه لایه اصلی با نام
در این پژوهش، توانایی شبکه های عصبی مصنوعی(ANN) ، به عنوان روشی نوین در خصوص پیش بینی احتمال گزارشگری مالی متقلبانه ،در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در یک دوره زمانی 9 ساله بین سال های 1385 تا 1393مورد بررسی قرار گرفت. بدین منظور از طریق اطلاعات مندرج درصورتهای