بررسی مقایسه‌ای پیشبینی تغییرات شاخص قیمت سهام در نهادهای پولی با استفاده از هوش مصنوعی
Authors
Abstract:
پژوهش حاضر به مطالعه پیشبینی تغییرات شاخص قیمت سهام صنعت بانک‌ها و نهادهای پولی در بورس اوراق بهادار تهران برای سال‌های ۱۳۸۵ تا ۱۳۹۲ با استفاده از الگوریتم‌های هوش مصنوعی می‌پردازد. دراین‌بین با استفاده از پیشینه پژوهش‌های قبلی ۴۸ متغیر تأثیرگذار بر قیمت سهام انتخاب و به‌عنوان ورودی الگوریتم PSO انتخاب شد. الگوریتم PSO، ترکیب بهینه‌ای از متغیرها که بیش‌ترین تأثیر را دارد شناسایی که دراین‌بین ۱۰ متغیر گزینش شد. در ادامه متغیرهای انتخاب شده به‌عنوان متغیر مستقل پژوهش بوده که بیشتر نسبت‌های حسابداری و متغیر وابسته قیمت سهام هستند. نتایج پژوهش نشان داد الگوریتم‌های پیشنهادی فوق در مجموع توانایی بالایی در پیشبینی شاخص قیمت سهام در بورس اوراق بهادار تهران دارد و دراین‌بین الگوریتم ANFIS نسبت سایر الگوریتم‌های فوق‌الذکر عملکرد بهتری در پیشبینی تغییرات شاخص قیمت سهام داشت.
similar resources
بررسی مقایسه ای پیش بینی تغییرات شاخص قیمت سهام در نهادهای پولی با استفاده از هوش مصنوعی
پژوهش حاضر به مطالعه پیش بینی تغییرات شاخص قیمت سهام صنعت بانک ها و نهادهای پولی در بورس اوراق بهادار تهران برای سال های ۱۳۸۵ تا ۱۳۹۲ با استفاده از الگوریتم های هوش مصنوعی می پردازد. دراین بین با استفاده از پیشینه پژوهش های قبلی ۴۸ متغیر تأثیرگذار بر قیمت سهام انتخاب و به عنوان ورودی الگوریتم pso انتخاب شد. الگوریتم pso، ترکیب بهینه ای از متغیرها که بیش ترین تأثیر را دارد شناسایی که دراین بین ۱...
full textبررسی خطای پیشبینی تغییرات شاخص قیمت سهام در صنعت مواد و محصولات دارویی با استفاده از الگوریتم‌های هوش مصنوعی
مقدمه: شاخص قیمت سهام بورس نشان‌دهنده وضعیت اقتصادی کلی یک کشور است. به همین دلیل، پیشبینی این شاخص برای سرمایه‌گذاران از اهمیت بسزایی برخوردار است. هدف پژوهش حاضر پیشبینی تغییرات شاخص قیمت سهام در بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی است. روش پژوهش: برای انجام این پژوهش از داده‌های شرکت‌های صنعت مواد و محصولات دارویی پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1391-1...
full textپیشبینی تغییرات قیمت سهام با استفاده از شبکه عصبی مصنوعی و گشتاورهای متغیر تصادفی
در این پایان نامه به بررسی پیشبینی قیمت سهام توسط شبکه عصبی پرداخته شد، هدف اصلی پاسخ به این پرسش بود که آیا می توان با استفاده از شبکه های عصبی و با استفاده از خواص آماری داده ها برای داده های ورودی به شبکه، برای تصمیم گیری در کشف قواعد نهفته در حرکات قیمت استفاده نمود، بطوریکه درصد صحت پیشبینی ها بیشتر از 50 % (روش تصادفی ) باشد برای این منظور از شبکه عصبی پیشخور با روش پس انتشار خطا استفاده ...
بررسی رابطه بلندمدت شاخص قیمت سهام بورس با متغیرهای کلان پولی با استفاده از روش همجمعی در اقتصاد ایران
این مطالعه، رابطه تمرکز زدایی مالی و اندازه دولت جمعی، ملی و استانی را از دو زوایه بخش عمومی و بودجه عمومی بررسی می کند. در بررسی این رابطه از منظر کارایی، از متغیرهای نهادی تمرکز زدایی مالی) مخارج، درآمد، عدم توازن عمودی) و تمرکززدایی سیاسی و نیز متغیرهای کنترلی شهر نشینی، درآمد سرانه واقعی، تجارت خارجی و سهم درآمدهای نفت و گاز طی دوره 1368-1382 استفاده شده است. نتایج تحقیق نشان می دهد که اولا...
full textاثر سیاست های پولی بر شاخص قیمت سهام در ایران
تاثیرات این متغیر می تواند پیامد هایی همچون تغییر توزیع درامد و تبعات رفاهی فراوانی در هر جامعه ای داشته باشد، بررسی و برآورد این تاثیرات حائز اهمیت است. در مطالعه ی حاضر سعی شده است تا اثر متغیر مذکور بر شاخص قیمت اسمی و حقیقی سهام بورس اوراق بهادار تهران با استفاده از داده های فصلی سال های 1387-1369 بررسی شود. تجزیه و تحلیل داده های مورد استفاده در این مطالعه با استفاده از الگوی خود رگرسیون ...
full textبررسی خطای پیش بینی تغییرات شاخص قیمت سهام در صنعت مواد و محصولات دارویی با استفاده از الگوریتم های هوش مصنوعی
مقدمه: شاخص قیمت سهام بورس نشان دهنده وضعیت اقتصادی کلی یک کشور است. به همین دلیل، پیش بینی این شاخص برای سرمایه گذاران از اهمیت بسزایی برخوردار است. هدف پژوهش حاضر پیش بینی تغییرات شاخص قیمت سهام در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی است. روش پژوهش: برای انجام این پژوهش از داده های شرکت های صنعت مواد و محصولات دارویی پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1391-13...
full textMy Resources
Journal title
volume 9 issue 27
pages 131- 170
publication date 2016-04
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023