پیش بینی قیمت سهام با روش رگرسیون فازی
نویسندگان
چکیده
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 قیمت سهام قرار دارند. در این پژوهش به روشی دست یافته شده که حاصل ادغام رگرسیون معمولی و رگرسیون فازی به همراه بهینه سازی و نافازی سازی پارامترها با الگوریتم ژنتیک می باشد. در پایان دو روش رگرسیون معمولی و رگرسیون فازی نافازی شده با الگوریتم ژنتیک با هم مقایسه می شود.
منابع مشابه
پیش بینی قیمت سهام با استفاده از روش خود رگرسیون با وقفه توزیعی(ardl)
پیش بینی قیمت سهام همواره مورد توجه بسیاری از سهامداران وتحلیل گران بوده است. این امر بیشتر در سال های اخیر با استفاده از روش های نوین صورت پذیرفته است. درحالی که بیشتر این روش ها متکی برمبانی رگرسیون هستند. ardl (روش خود رگرسیون توضیح دهنده برداری) از روش های رگرسیون همجمع تک معادله ای که وقفه های گذشته متغیرهای مستقل و خود متغیر توضیحی را در معادله می گنجاند تا برآوردی دقیق به دست دهد. آزمون ...
متن کاملپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
متن کاملپیش بینی قیمت سهام با رگرسیون فازی (مورد مطالعاتی: صنایع کانی غیرفلزی بازار بورس ایران)
چکیده ندارد.
15 صفحه اولپیش بینی شاخص قیمت سهام با استفاده از مدل هیبریدی
پیش‌بینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیش‌بینی آن امری دشوار می‌باشد. از طرفی سری‌های زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدلهای هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش...
متن کاملارائه الگوی ترکیبیFARIMA با به کارگیری روشهایARIMA و رگرسیون فازی جهت پیش بینی قیمت جهانی نفت خام
مدل ARIMA، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل ARIMA باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهشنامه اقتصاد کلانناشر: دانشگاه مازندران
ISSN 2322116X
دوره 6
شماره 12 2012
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023