بررسی مقایسه‌ای توان مدل‌های ترکیب گوسی و ماشین بردار پشتیبان در تشخیص و پیش‌بینی حباب قیمتی

Authors

  • حمیدرضا کردلویی دکترای مدیریت مالی و عضو هیئت علمی دانشگاه آزاد اسالمی واحد اسالمشهر، عضو پیوسته انجمن مهندسی مالی ایران
  • فرشاد تیموری دانشجوی دکترای مهندسی برق- مخابرات، دانشگاه آزاد اسالمی واحد علوم و تحقیقات تهران
Abstract:

هدف این مقاله بسط و توسعه روش هایی مبتنی بر ساختار های شبکه ای و دارای پایه و مبنای ریاضی است که توانایی تشخیص حباب قیمت را در بورس اوراق بهادار تهران داشته باشد. در این مطالعه هدف ارائه مدلی برای تخمین حباب قیمت در بورس اوراق بهادار تهران است. به همین منظور به روش غربالگری نمونه ای به حجم 504 سهم شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخاب گردید و اطالعات مربوط به قیمت و حجم معامالت آنها طی سال های 0830 تا 0830 گردآوری شد و سپس از طریق آزمون های تسلسل ، کشیدگی و آزمون وابستگی دیرش ، سهم های منتخب به دو دسته حباب دار و بدون تقسیم بندی شدند. در گام بعد با بررسی روند بازدهی تجمعی ، حجم معامالت سهم حباب دار و تاریخ شروع تشکیل حباب قیمت تعیین گردید و از طریق مدلهای ماشین بردار پشتیبان و مدل ترکیب گوسی و همچنین با استفاده از اطالعات مربوط به اندازه شرکت، شفافیت اطالعات، نسبت P/E و نقدشوندگی سهام یکسال قبل از تشکیل حباب قیمت آنها، مدلی برای پیش بینی حباب قیمت سهام شرکتها در بورس اوراق بهادار تهران طراحی گردید. در پایان نیز قدرت پیش بینی مدلها با استفاده از داده های گروه های آزمایش مورد بررسی قرار گرفت. با توجه به اینکه قدرت پیش بینی مدل ماشین بردار پشتیبان به دلیل خطای باال در تشخیص با توانایی صحت پیش بینی فقط معادل %30.45، و همچنین مدل ترکیب گوسی با کارایی برابر %33.55 ، به علت ضعف در کشف قیمت های حبابی بورس تهران، برای به کارگیری و استفاده با هدف تفکیک سهام حبابدار از بدون حبابها نامناسب شناخته شدند

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی مقایسه ای توان مدل های ترکیب گوسی و ماشین بردار پشتیبان در تشخیص و پیش بینی حباب قیمتی

هدف این مقاله بسط و توسعه روش هایی مبتنی بر ساختار های شبکه ای و دارای پایه و مبنای ریاضی است که توانایی تشخیص حباب قیمت را در بورس اوراق بهادار تهران داشته باشد. در این مطالعه هدف ارائه مدلی برای تخمین حباب قیمت در بورس اوراق بهادار تهران است. به همین منظور به روش غربالگری نمونه ای به حجم 504 سهم شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخاب گردید و اطالعات مربوط به قیمت و حجم معامالت آنه...

full text

ارزیابی مدل حداقل مربعات ماشین بردار پشتیبان در برآورد تبخیر و مقایسه با مدلهای تجربی

در این تحقیق با استفاده از پارامترهای هواشناسی در دشت بیرجند در استان خراسان جنوبی در دوره 16 ساله به ارزیابی عملکرد آزمون گاما و مقایسه دقت مدل‌های حداقل مربعات ماشین­بردار و روش‌های تجربی به‌منظور تخمین میزان تبخیر پرداخته شد.  با استفاده از روش آزمون گاما از میان پارامترهای تأثیرگذار بر تبخیر، پارامترهای بهینه ورودی جهت مدل‌سازی تخمین تبخیر از میان 90 ترکیب معین، تعیین گردید. تعداد 7 ترکیب ب...

full text

تشخیص جزیره در شبکة توزیع مبتنی بر تبدیل S گسسته سریع و ماشین بردار پشتیبان

در این مقاله، روشی جدید برای تشخیص جزیره در خطوط توزیع با منابع تولید پراکنده مبتنی بر تبدیل S گسسته سریع ارائه شده است. در این روش، ابتدا تبدیل S ولتاژ و جریان در نقطة اتصال مشترک محاسبه شده است؛ سپس ویژگی‌های متمایزکنندة حالت جزیره از حالت نرمال با استفاده از ماتریس S و کانتورهای فرکانسی استخراج می‌شوند. این ویژگی‌ها با مطالعة شرایط مختلف عملکرد عادی ازجمله ورود و خروج بار، بارهای موتوری، وقو...

full text

شبیه سازی نوسانات سطح آب زیرزمینی با استفاده از ترکیب ماشین بردار پشتیبان و تبدیل موجک

امروزه در بسیاری از کشورهای جهان، به ویژه در مناطقی که با کمبود آب‌های سطحی مواجه هستند، بهره­برداری از منابع آب زیرزمینی بیش از پیش مورد توجه قرار گرفته است. بهره­برداری بی­رویه از این منابع، بدون بهره­گیری از مطالعات منابع آب زیرزمینی می­تواند مشکلات و پیامدهای جبران‌ناپذیری را به­بار آورد. مدیریت صحیح این منابع با شناخت کامل و آگاهی از این منابع امکان­پذیر است. در این تحقیق از مدل ماشین بردا...

full text

تشخیص خطا به روش ماشین بردار پشتیبان

با افزایش پیچیدگی و پیشرفت سیستم های کنترلی و استفاده از آن ها در محیط ها و کاربردهای حساس، تمایل روزافزونی در زمینه تشخیص خطا ایجاد شده است. در گذشته شبکه های عصبی به عنوان ابزاری برای تشخیص مدل یا خرابی در یک سیستم به کار گرفته شده اند. اما مشکل الگوریتم بهینه سازی آن ها برای انتخاب پارامتر و کم کردن خطا در هر مرحله به جای کم کردن خطای کل مدل باعث شده است تا ماشین بردار پشتیبان جایگزین مناسبی...

15 صفحه اول

تشخیص سه‌بعدی سرطان پستان با استفاده توأم از روش‌های ماشین بردار پشتیبان و المان محدود

   Background & Aims: Breast cancer is one of the most prevalent non-skin-related malignancies among women in the world. Thus, many countries have commenced screening test in early stages in order to diagnose breast cancer. Buried object detection is performed in the present work to detect 3-D breast cancer applying SVM classifier. Some transmitters and receivers are located above the breast. E...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 23

pages  79- 104

publication date 2015-06-22

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