کاربرد شبکه عصبی- فازی انطباقی در پیش‌بینی قیمت سهام شرکت ایران‌خودرو

Authors

  • ابراهیم عباسی استادیار و عضو هیأت علمی دانشگاه الزهرا
  • امیر ابوئی مهریزی کارشناسی ارشد مدیریت مالی از موسسه عالی آموزش و پژوهش در مدیریت و برنامه ریزی کشور
Abstract:

در این پژوهش با استفاده از سیستم استنتاج عصبی_فازی انطباقی اقدام به طراحی مدلی برای کشف روند موجود در قیمت سهام شرکت ایران‌خودرو در بورس اوراق بهادار تهران شده است. دوره زمانی مورد مطالعه این پژوهش سالهای 1388-1381 است که به دو دوره تقسیم شده است: دوره بلند مدت شامل اطلاعات 8 سال و دوره کوتاه‌مدت شامل اطلاعات فصلی 8 سال. برای دوره بلندمدت با بررسی انواع توابع عضویت یک مدل عصبی_فازی با دو تابع عضویت مثلثی و چهار متغیر مستقل شامل حجم معامله، سود تقسیمی هر سهم، نسبت قیمت به سود هر سهم و آخرین قیمت هر روز سهم به عنوان مدل بهینه انتخاب شد. برای دوره کوتاه مدت نیز مدل عصبی_فازی با دو تابع عضویت مثلثی برای سه ماهه اول، دو تابع عضویت ذوزنقه‌ای برای سه ماهه دوم، دو تابع عضویت گوسی نوع دوم برای سه ماهه سوم و دو تابع عضویت ذوزنقه‌ای برای سه ماهه چهارم انتخاب شدند. شناخت روند کلی قیمت سهام نیز با یک مدل عصبی_فازی با دو تابع عضویت مثلثی و چهار متغیر مستقل مزبور صورت گرفت. در نتیجه با استفاده از این مدل روند قیمت سهام شرکت ایران‌خودرو با سطح خطای پایینی پیش‌بینی شد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد شبکه عصبی- فازی انطباقی در پیش بینی قیمت سهام شرکت ایران خودرو

در این پژوهش با استفاده از سیستم استنتاج عصبی_فازی انطباقی اقدام به طراحی مدلی برای کشف روند موجود در قیمت سهام شرکت ایران خودرو در بورس اوراق بهادار تهران شده است. دوره زمانی مورد مطالعه این پژوهش سالهای 1388-1381 است که به دو دوره تقسیم شده است: دوره بلند مدت شامل اطلاعات 8 سال و دوره کوتاه مدت شامل اطلاعات فصلی 8 سال. برای دوره بلندمدت با بررسی انواع توابع عضویت یک مدل عصبی_فازی با دو تابع ع...

full text

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

full text

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

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

مقایسه روشهای شبکه عصبی فازی با شبکه عصبی موجک فازی در پیش‌بینی قیمت سهام بانک‌های پذیرفته‌شده در بورس اوراق بهادار تهران

هدف پژوهش حاضر مقایسه قدرت پیش­بینی روش­های شبکه عصبی فازی با شبکه عصبی موجک فازی در پیش‌بینی قیمت سهام بانک‌ها در بورس اوراق بهادار تهران است. دوره پژوهش این پژوهش از سال 1390 تا 1395 است. در این پژوهش، از سیستم منطق فازی به همراه سیستم شبکه عصبی چندلایه با ساختار بهینه‌سازی پس انتشار خطا و ماکزیمم همپوشانی تبدیل موجک گسسته برای متغیرهای نرخ ارز، نفت اوپک، طلا، شاخص کل سهام و همچنین حجم معاملا...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص بازدهی نقدی و قیمت سهام

مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 7

pages  187- 211

publication date 2011-06-22

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