پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده

Authors

  • رضا راعی استاد گروه مدیریت مالی، دانشگاه تهران، تهران، ایران
  • شاپور محمدی دانشیار گروه مدیریت مالی، دانشگاه تهران، تهران، ایران
Abstract:

سقوط بازار پدیده­ای است که سبب از دست رفتن ثروت و دارایی سرمایه‎گذاران در بازۀ زمانی نسبتاً کوتاهی می­شود، از این رو تلاش برای پیش­بینی آن از اهمیت زیادی برای سرمایه­گذاران، سیاست‎گذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوری­ها و مدل‎های ارائه‎شدۀ پیش­بینی سقوط در بازار سهام نشان می­دهد میان پژوهشگران دربارۀ الگوهای مشاهده‎شدۀ متغیرها، مانند حجم معامله، بازده‎ها، نوسان‎پذیری، عوامل بنیادی، شاخص­های رفتاری و غیره در بازارهای سهام پیش از وقوع سقوط، اتفاق نظری وجود ندارد. یکی از روش‎های بسیار مناسب پیشنهادشده برای یافتن الگوهایی که در داده­های شبکه­های عصبی وجود دارد، نگاشت خودسازمان‎ده است که روشی ناپارامتریک و غیرخطی محسوب می‎شود. در این پژوهش با استفاده از شبکه­های عصبی نگاشت خوسازمان‎ده، روشی برای پیش‎بینی سقوط در بازار سهام ایران ارائه شده است. نتایج اجرای مدل و پیش‎بینی برون‎نمونه‎ای حاکی از این است که مدل عملکرد به‎نسبت قابل قبولی را در پیش‎بینی دوره­های پیش از سقوط در بازار سهام به‎دست آورده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی

در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...

full text

پیش بینی بازار سهام با استفاده از شبکه عصبی ترکیبی

بازار سهام یک سیستم غیر خطی با دینامیک بسیار پیچیده است. زیرا دینامیک این سیستم را انسان ها ایجاد می کنند. شبکه های عصبی بر اساس توانایی آن ها در مدل سازی روابط غیر خطی میان داده های ورودی-خروجی، ابزار مناسبی برای مدل کردن و پیش بینی سیستم ها با دینامیک غیر خطی و پیچیده هستند. بنابراین انتظار می رود این شبکه ها برای پیش بینی بازار سهام کارآمد باشند. در تحقیقات پیشین مطالعات زیادی بر روی بازار ...

15 صفحه اول

ترکیب شبکه های عصبی برای پیش بینی قیمت سهام

در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...

full text

پیش 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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 17  issue 1

pages  159- 178

publication date 2015-03-21

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