رویکرد مهندسی جدید برای پیش بینی نوسان شاخص های بورس اوراق بهادار تهران
Authors
abstract
سرمایه گذاران و مسؤولان بورس اوراق بهادار به منظور دست یابی به تصویر مناسبی از روند بازار بورس، عملکرد شرکت ها و توانایی ارزیابی گذشته جهت پیش بینی آینده، از شاخص های بورس اوراق بهادار استفاده میکنند. مطالعات اخیر نشان میدهد که همبستگی غیرخطی در شاخصهای بازار سهام وجود دارد. به همین منظور، این مطالعه الگوریتم جدید حداقل میانگین مربعات خطا مبتنی بر کرنل که الگوریتم آنلاین و غیرخطی است را برای پیش بینی نوسان شاخص های بورس اوراق بهادار تهران پیشنهاد و به کار میگیرد و عملکرد آن را با الگوریتم شبکههای عصبی مبتنی بر حداقل میانگین مربعات خطا در افق های زمانی کوتاه مدت، میان مدت و بلندمدت مقایسه میکند. نتایج این بررسی نشان میدهد که الگوریتم حداقل میانگین مربعات خطا مبتنی بر کرنل دارای عملکرد مناسبی جهت پیشبینی نوسان شاخص های سهام میباشد. با این حال، نتایج پیش بینی الگوریتم بر اساس معیارهای میانگین مربعات خطا، مجذور میانگین مربعات خطا، میانگین مربعات خطای نرمالیزه شده، قدر مطلق میانگین خطا، صحت جهت پیش بینی، صحت روند پیش بینی رو به بالا و صحت روند پیش بینی روبه پایین در افق های زمانی کوتاه مدت، میان مدت و بلند مدت نشان می دهد که پیش بینی انجام شده توسط الگوریتم حداقل میانگین مربعات خطا مبتنی بر کرنل دارای عملکرد بهتری نسبت به پیش بینی با الگوریتم شبکه های عصبی مبتنی بر حداقل میانگین مربعات خطا می باشد.
similar resources
رویکرد مهندسی جدید برای پیشبینی نوسان شاخصهای بورس اوراق بهادار تهران
سرمایهگذاران و مسؤولان بورس اوراق بهادار به منظور دستیابی به تصویر مناسبی از روند بازار بورس، عملکرد شرکتها و توانایی ارزیابی گذشته جهت پیشبینی آینده، از شاخصهای بورس اوراق بهادار استفاده میکنند. مطالعات اخیر نشان میدهد که همبستگی غیرخطی در شاخصهای بازار سهام وجود دارد. به همین منظور، این مطالعه الگوریتم جدید حداقل میانگین مربعات خطا مبتنی بر کرنل که الگوریتم آنلاین و غیرخطی است را برای...
full textپیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی
اندازه و روند شاخصهای قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی میباشد. جهت پیشبینی بازار از تکنیکهای مختلفی استفاده شده است که معمولترین آنها روشهای رگرسیون و مدلهای 3ARIMA هستند اما این مدلها در عمل جهت پیشبینی بعضی از سریها ناموفق بودهاند. در تحقیق حاضر برای پیشبینی شاخص کل بورس از مدل شبکههای عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...
full textمدلسازی نوسان در بورس اوراق بهادار تهران
مسئله مورد بررسی در این تحقیق مدلسازی نوسان در بورس اوراق بهادار تهران و تحلیل رابطه میان ریسک و بازده در آن با استفاده از مدلهای خانواده GARCH میباشد. نتایج این تحقیق که از نوع پیمایشی و کاربردی میباشد نشان میدهند که اولاً، مدلهای ناهمسانی واریانس شرطی به خوبی میتوانند ویژگیهای دادههای مالی از قبیل نوسانات خوشهای، حافظه بلندمدت و اثرات اهرمی را مدلسازی نمایند. ثانیاً، در هر دو پرتفوی ...
full textارائه مدل پیش بینی شاخص کل قیمت سهام با رویکرد شبکه های عصبی (مطالعه موردی: بورس اوراق بهادار تهران)
هدف تحقیق حاضر ارائه مدل پیشبینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکههای عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان میدهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیشبینی شاخص ...
full textتعیین مدلی برای پیش بینی بازده بورس اوراق بهادار تهران با استفاده از شاخص های EP ،REVA ،EVAو EPS
full text
قابلیت پیش بینی تغییرات شاخص بورس اوراق بهادار تهران بر مبنای رفتار بازارهای سهام خارجی
در سالهای اخیر توجه محققان به سمت موضوع همبستگی و ارتباطات بین المللی بین اقتصادها و بازارهای مالی کشورهای مختلف و نیز نوع و جهت تغییرات بعضاً هماهنگ بازارهای مالی جهانی و بر این اساس، امکان سنجی پیش بینی نوسانات متغیرها و شاخصهای یک بازار با استفاده از داده های مربوط به تغییرات شاخص ها در بازارهای سرمایۀ خارجی معطوف شده است. در تحقیق حاضر، بر مبنای مقایسۀ رفتار شاخص در بازارهای سهام و میزان شبا...
full textMy Resources
Save resource for easier access later
Journal title:
پیشرفت های حسابداریISSN 2008-9988
volume 7
issue 2 2016
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023