پیش بینی شاخص سهام با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با مدل های سنتی رایج در بورس اوراق بهادار تهران
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
- author مرتضی اشهر
- adviser داریوش دموری داریوش فرید
- Number of pages: First 15 pages
- publication year 1389
abstract
اقتصاد کشور برای هم گرایی با اقتصاد جهانی نیازمند برخورداری از راهکارهای مشخص و دقیق و ابزارهای مناسب و کارآ می باشد. در پیشبرد اهداف توسعه اقتصادی کشور، توسعه بازارهای مالی در ابزار و ساختار، از مباحثی است که مورد توجه تمام مدیران و تصمیم گیرندگان کلان قرار می گیرد. از آنجایی که بورس اوراق بهادار یکی از بازار های مالی مهم در کشور محسوب می شود و شاخص سهام یکی از پارامترهای مهم در تعیین عملکرد آن می باشد لذا شاخص سهام و توسعه اقتصادی دارای رابطه متقابل بسیار مهمی می باشند. در سال های گذشته اغلب، از روش های سنتی برای پیش بینی شاخص بورس استفاده می نمودند. اما از آنجایی که بازار سهام یک سیستم غیر خطی است، لذا با پیشرفت و توسعه روش های غیر خطی هوشمند همچون الگوریتم پرواز پرندگان، ژنتیک، مورچگان و... می توان به پیش بینی آن پرداخت. قلمرو تحقیق از سال (1387-1378) در نظر گرفته شده است که در آن ابتدا یک چارچوب مفهومی پیش بینی طراحی گردیده، و برای پیش بینی، مدل های سنتی نموهموار ساده، هلت وینترز، اتورگرسیون، میانگین متحرک و آریما و مدل هوشمند پرواز پرندگان مورد استفاده قرار می گیرند. بدین منظور برای شناسایی تاخیر زمانی از آزمون آکائیک و برای ایستایی و مانایی سری زمانی شاخص از آزمون های دیکی فولر و فیلیپس پرون استفاده می شود. نتایج تحقیق حاکی از آن است که الگوریتم پرواز پرندگان نسبت به تمام مدل سنتی دقیق ترین پیش بینی را ارائه می کند، که این مدل هوشمند خطای برآورد را نسبت به بهترین مدل سنتی بهبود می بخشد. همچنین، الگوریتم پرواز پرندگان واریانس خطا را نسبت به مدل های سنتی بسیار کاهش می دهد که این نشان دهنده دقت بالای این مدل هوشمند در پیش بینی می باشد. واژگان کلیدی: شاخص کل بورس اوراق بهادار، پیش بینی، الگوریتم پرواز پرندگان، مدل های سنتی
similar resources
پیشبینی شاخص کل بورس اوراق بهادار تهران با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با الگوهای سنتی
هدف این تحقیق پیشبینی شاخص کل قیمت سهام با استفاده از الگوریتم پرواز پرندگان است تا فعالان بازار سرمایه و همچنین تصمیمگیرندگان کلان بتوانند از آن به منظور پیشبینی روند این بازار استفاده کنند. دوره نمونهگیری این پژوهش دهساله و از تاریخ 1378 تا 1387 در نظر گرفته شده است که در آن از شاخص کل قیمت سهام برای پیشبینی و همچنین الگوسازی و آزمون استفاده میشود. برای این منظور، ابتدا یک چارچوب هوش...
full textپیش 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 textپیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی
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...
full textپیش بینی تلاطم بازده سهام در بورس اوراق بهادار تهران با استفاده از روش شبیهسازی MCMC و الگوریتم متروپلیس هستینگ
سرمایه گذاریهای بازار سهام همواره دارای ریسک بوده است زیرا بازده سهام دارای تلاطم است. تحقیقاتی که تاکنون در رابطه با مدلسازی وپیش بینی تلاطم بازار سهام صورت گرفته عمدتاً با استفاده از روش حداکثر راستنمایی بوده و توجه کمی به روش تخمین بیزی صورت گرفته است. این مقاله پارامترهای مدلGARCH را با استفاده از روش بیزی و تکنیک شبیهسازی MCMC تخمین میزند و سپس نتایج بدست آمده را با روش حداکثر راستنما...
full textارائه 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 textمدل فازی عصبی با ترکیب الگوریتم ژنتیک جهت پیش بینی قیمت سهام در صنعت خودرو در بورس اوراق بهادار تهران
تعیین زمان بهینه و قیمت مناسب خرید و فروش سهام نقش بسزایی در تصمیمات سرمایهگذاری در بازار سرمایه و سود و زیان سرمایهگذار دارند. میتوان از سیستمهای هوشمند غیرخطی همچون شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک برای پیشبینی تغییرات قیمت سهام استفاده نمود. در این مقاله به طراحی و ارائه یک مدل پیشبینی قیمت سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023