پیش بینی شاخص قیمت سهام با استفاده از مدل هیبریدی

Authors

  • علی صفری دانشگاه شهید بهشتی
Abstract:

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 شبکه عصبی خودرگرسیون غیرخطی می‌تواند برای پیش‌بینی بر اساس سری های‌ زمانی استفاده گردد. در این پژوهش به منظور استفاده از مزیت های هریک از این مدل‌ها و کاهش خطای پیش‌بینی، روشی هیبریدی با استفاده از ترکیب خطی نتایج پیش‌بینی این مدل‌ها آزمون شده است. وزن‌های بکاررفته به منظور ترکیب نتایج با استفاده از الگوریتم ژنتیک و همچنین بکارگیری وزن‌های مساوی تعیین گردیده است. پس از مشخص شدن قابلیت پیش‌بینی‌پذیری سری زمانی مورد مطالعه (با استفاده از آزمون نسبت واریانس)، روش ترکیبی مذکور بر روی مقادیر ماهیانه شاخص قیمت بورس اوراق بهادار تهران بکارگرفته شد. نتایج بدست آمده نشان دهنده کاهش خطای پیش‌بینی‌های صورت گرفته توسط مدل هیبریدی (در حالت استفاده از وزن‌های مساوی) نسبت به مد‌ل‌های تشکیل دهنده آن است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی یک روزه قیمت سهام با استفاده از مدل ترکیبی

پیش‌بینی بازارهای مالی یکی از سرفصل‌های مهم در حوزه مالی و مطالعات پژوهشی است. اهمیت پیش‌بینی از یک سو و پیچیدگی آن از سوی دیگر باعث شده است که تحقیقات زیادی در این زمینه انجام شود. در این پژوهش از یک روش ترکیبی شامل تبدیل موجک، مدل ARMA-EGARCH و شبکه عصبی مصنوعی برای پیش­بینی یک دوره­ای قیمت سهام در بازارهای ایران و آمریکا استفاده شده است. ابتدا به کمک تبدیل موجک سری زمانی را به چند سری جزئی و...

full text

پیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک

شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها، گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز...

full text

مدل سازی پیش بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روشهای پیش بینی ریاضی

استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش بینی باشند. بر این مبنا در سالهای بسیار، روشهایی ریاضی؛ اعم از  میانگین ساده، میانگین موزون، میانگین دوبل، رگرسیون و مانند اینها، تنها الگوهایی بود که قاطعانه مورد تأیید و استفاده قرار می گرفت؛ اما ...

full text

پیش 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 text

پیش بینی اثر متغیرهای کلان بر شاخص قیمت سهام با استفاده از شبکه عصبی gmdh

اقتصاد هر کشور از بخش¬های مختلفی تشکیل شده که روابط بین این بخش¬ها، سمت و سوی اقتصاد آن کشور را مشخص می¬کند. در این میان بازار سرمایه در کنار بازار پول، به عنوان اجزای تشکیل¬دهنده بازارهای مالی بوده و در واقع، شریان¬های اصلی یک اقتصاد محسوب می¬شوند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد است و چنانچه رابطه منطقی بین بازار مالی با بخش های دیگر اقتصادی وجود نداشته باشد، ...

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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 35

pages  81- 101

publication date 2016-11-21

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