پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

Authors

  • بیتا دلنواز اصغری کارمند دانشگاه آزاد اسلامی واحدتبریز و دانش آموخته کارشناسی ارشد مدیریت مالی
Abstract:

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 سه ساختار شبکه با الگوهای متفاوت ورودی استفاده گردید و  نتایج مدل با نتایج مدل‌های رگرسیون چند متغیره و مدل‌های ARIMA مورد مقایسه قرار گرفت. نتایج تحقیق نشان داد که روش شبکه‌های عصبی خطای RMSE به میزان قابل توجهی کمتر از RMSE روشهای دیگر است و در بازار بورس اوراق بهادارتهران پیش‌بینی کوتاه مدت با فاصله زمانی کمتر، مناسب‌تر از پیش‌بینی بلند مدت با فاصله زمانی طولانی تر است.                                                                                                                                                                                                                                                                                                                            3. autoregressive integrated moving average 4. Feed Forward Neural network 5. back propagation

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی شاخص سهام با استفاده از شبکه های عصبی موجکی در بورس اوراق بهادار تهران

در این تحقیق شاخص کل سهام بورس اوراق بهادار تهران با استفاده از مدل­های مختلف شبکه های عصبی پیش بینی شده است. تحقیق از نوع کاربردی است و دورۀ زمانی انجام تحقیق از ابتدای سال 81 تا پایان سال 90 است. گردآوری اطلاعات از طریق آمار و داده­های موجود در پایگاه اطلاعاتی در بورس اوراق بهادار تهران صورت گرفته است. برای ایجاد مدل wdbp از موجک db5 برای نویززدایی داده­ها و تا پنج مرحله صورت گرفته است. جذر م...

full text

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

پژوهش حاضر به مطالعه پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران به وسیله شبکه های عصبی و ارایه ی شواهدی مبنی بر رفتار آشوبناک شاخص قیمت در بورس اوراق بهادار می پردازد. دو مجموعه از داده ها برای ورودی شبکه عصبی انتخاب شده اند. وقفه های مختلفی از شاخص و عوامل کلان اقتصادی به عنوان متغیرهای مستقل. شبکه های عصبی به کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه (mlp) است که به روش الگو...

full text

پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

پیش­بینی تغییر قیمت سهام به عنوان یک فعالیت چالش­انگیز در پیش­بینی     سری­های زمانی مالی در نظر گرفته می­شود. یک پیش­بینی صحیح از تغییر قیمت سهام می­تواند سود زیادی را برای سرمایه­گذاران به بار آورد. با توجه به پیچیدگی داده­های بازار بورس، توسعه مدل­های کارآمد برای پیش­بینی بسیار دشوار است. در این پژوهش، مدلی برای پیش­بینی قیمت سهام شرکت­های بورس اوراق بهادار تهران با بکارگیری داده­های درون­زا...

full text

ارائه 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 text

پیش بینی بازده شاخص بورس اوراق بهادار با استفاده از مدلهای شبکه ها عصبی مصنوعی شعاع پایه

تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیش‌بینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شده‌اند. نوع آزمون عملکر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 9

pages  191- 212

publication date 2009-06-22

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