بررسی قابلیت پیش بینی پذیری نقاط شروع و پایان روند کوتاه مدت قیمت سهام با استفاده از شبکه احتمالات بیزین
Authors
Abstract:
هدف اصلی از این پژوهش بررسی قابلیت پیش بینی پذیری نقاط شروع(کف) و پایان(سقف) روند کوتاه مدت قیمت سهام با استفاده از مدل نایبویز جهت ارایه یک سیستم پشتیبان تصمیم می باشد.در این تحقیق از دو دسته متغیر شامل متغیرهای تقویمی و تکنیکی جهت مدل سازی استفاده گردید.نتایج این پژوهش نشان داد که مدل مورد استفاده در شناسایی و پیش بینی نقاط پایان(سقف) در نمودار قیمت سهام از عملکرد بهتری نسبت به سایرنقاط برخوردار است و همچنین دقت مدل مورد استفاده در سی وشش صنعت مورد بررسی دارای تفاوت های قابل تامل می باشد که این موضوع تعمیم پذیری نتایج این پژوهش و استفاده از مدل نایبویز برای پیش بینی نقاط مذکور در صنایع مختلف را دچار خدشه می کند . ما با اطمینان زیاد می توانیم در مورد رفتار آشوب گونه نقاط شروع و پایان در نمودار قیمت سهام اظهار نظر کنیم اما در مورد رفتار احتمالی می بایست دقت نظر به خرج دهیم.
similar resources
پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی
پیشبینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیشبینی کوتاه مدت بار به ویژگیهای بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از دادههای واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیشبینی کوتاه مدت بار الکتریکی استان پرداختهایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...
full textپیش بینی روند قیمت در بازار سهام با استفاده از الگوریتم جنگل تصادفی
فعالان بورس درصدد دستیابی و به کارگیری روشهایی هستند تا بتوانند با پیشبینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر میرسد که روشهای مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایهگذار قرار گیرد. تاکنون روشهای مختلفی جهت نیل به این هدف معرفی شدهاند که اغلب روشهای آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصا...
full textپیش 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...
full textپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
full textپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...
full textپیش 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...
full textMy Resources
Journal title
volume 8 issue 1
pages 39- 64
publication date 2020-03-20
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023