پیشبینی تغییرات قیمت سهام با استفاده از شبکه عصبی مصنوعی و گشتاورهای متغیر تصادفی
thesis
- دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده علوم اقتصادی
- author سینا جلالی
- adviser نازی محمدزاده رویا سیفی پور
- publication year 1390
abstract
در این پایان نامه به بررسی پیشبینی قیمت سهام توسط شبکه عصبی پرداخته شد، هدف اصلی پاسخ به این پرسش بود که آیا می توان با استفاده از شبکه های عصبی و با استفاده از خواص آماری داده ها برای داده های ورودی به شبکه، برای تصمیم گیری در کشف قواعد نهفته در حرکات قیمت استفاده نمود، بطوریکه درصد صحت پیشبینی ها بیشتر از 50 % (روش تصادفی ) باشد برای این منظور از شبکه عصبی پیشخور با روش پس انتشار خطا استفاده شد، همچنین از چولگی و کشیدگی داده های مورد استفاده در تحقیق، برای داده های ورودی به شبکه استفاده شده است. در کنار هدف اصلی، مقایسه بازده حاصل از پیشبینی های انجام شده با استفاده از روش شبکه های عصبی در بورس اوراق بهادار تهران (شاخص 50 شرکت فعالتر بورس تهران) و شاخص dow jones که یکی از شاخص های اصلی بازار بورس ایالات متحده می باشد، بعنوان نمونه ای از کشورهای توسعه یافته انجام شده است. برای این منظور، از روش شبکه عصبی مصنوعی، مدلی برای پیشبینی قیمت شرکتهای انتخاب شده، طراحی شد. متغیر ورودی مورد استفاده در پژوهش شامل بیشترین قیمت، کمترین قیمت، قیمت بسته شدن، قیمت باز شدن و حجم مبادلات روزانه سهم می باشد. برای متغیرهای ورودی گشتاورهای استاندارد شده محاسبه می شود. برای داده هر سهم گشتاور سوم و چهارم برای هر کدام از ورودیها محاسبه میشود. با محاسبه گشتاورها برای همه ورودیها(5 ورودی) تعداد ورودیها به 10 عدد افزایش پیدا کرده و با اضافه کردن قیمت در روز دهم، تعداد ورودیهای مدل به 11 عدد می رسد. داده خروجی، قیمت خروجی در روز یازدهم می باشد، در ادامه کلیه داده ای ورودی و خروجی نرمالسازی شده و وارد شبکه میشوند، پس از نرمال کردن دادهها با انتخاب تعداد واحدهای پردازش اطلاعات در لایه پنهان، توابع تبدیل و نوع الگوریتم یادگیری مناسب، ساختار شبکه طراحی شده و سپس مقادیر شاخص قیمت سهام پیشبینی می شود. با مقایسه پیشبینی صحیح جهت قیمت، مشاهده شد که شبکه طراحی شده برای نمونه های انتخاب شده از بورس تهران مقادیر بهتری را ارائه می دهند ولی با توجه به معیارmape قیمت پیشبینی شده در شرکتهای انتخاب شده از شاخص jones dow -بجز چند مورد در بورس تهران که mape پایینی دارند- به مقدار واقعی نزدیکتر می باشند. در انتها فرضیه های تحقیق مورد آزمون قرار گرفت، برای آزمون فرضیه اول، از آزمون فرضیه نسبت موفقیت در جامعه استفاده شده است.با توجه به نتایج این ازمون میانگین پیشبینی صحیح مورد انتظار بیشتر از 50% می باشد. بهمنظور بررسی فرضیه دوم از آزمون بیلز استفاده شده است که با توجه به نتیجه ازمون، بین بازده روش شبکه های عصبی با استفاده از گشتاورهای متغیر تصادفی در بازار بورس ایالات متحده بعنوان نمونه ای از بازار، کشورهای توسعه یافته و بورس تهران بعنوان نمونه کشوری در حال توسعه، تفاوت معناداری وجود دارد.
similar resources
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 textکاربرد 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 textپیشبینی روند تغییرات قیمت سهام با بهکارگیری شاخصهای تحلیل تکنیکی و استفاده از روش ترکیبی الگوریتم ژنتیک و شبکه عصبی مصنوعی: مطالعه موردی سهام ایران خودرو
همواره پیشبینی دقیق روند بازار سهام برای تصمیمگیریهای مالی سرمایهگذاران مهم بوده است. استفاده از مجموعهای از شاخصهای تحلیل تکنیکی یکی از پرکاربردترین روشهای پیشبینیهای مالی است. تعیین پارامترهای مناسب این شاخصها و همچنین ترکیب آنها یکی از چالشهای پژوهشگران است. از طرف دیگر، ماهیت غیرخطی و پویای تغییرات در روند بازار سهام موجب استفاده گسترده از روشهای پیشبینی غیرخطی همچون شبکه عصبی...
full textپیش 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 textپایش تغییرپذیری فرآیندهای چند مشخصه وصفی و متغیر با استفاده از شبکه عصبی مصنوعی
امروزه در برخی محیطهای تولیدییا خدماتی، کیفیت محصول یا عملکرد فرآیند به وسیله ترکیبی از مشخصههای کیفی متغیر و وصفی همبسته توصیف میگردد. بر اساس آخرین اطلاعات مؤلفان، تا کنون هیچ روشی برای پایش ماتریس واریانس- کوواریانس این گونه فرآیندها ارائه نشده است. در این مقاله، یک شبکه عصبی مصنوعی برای پایش تغییرپذیری یک فرآیند چند مشخصه وصفی و متغیر ارائه شده است. شبکه ارائه شده نه تنها قادر به کشف وضع...
full textپیش 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 textMy Resources
document type: thesis
دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده علوم اقتصادی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023