چکیده شبکه عصبی با تاخیر زمانی، یک ابزار مدل‌سازی برگرفته از محاسبات هوشمند است که در کنار روش‌های کلاسیک برای پیش‌بینی سری‌های زمانی مالی بکار گرفته می‌شود. این مدل اغلب در مواردی که از سری ‌زمانی داده‌های فراوان، اما از ساختار مدل اطلاعات محدود وجود دارد، استفاده می‌شود، از این رو انتخاب ساختار و ارزیابی آن خود یک چالش است.در این مقاله یک مدل مبتنی بر شبکه عصبی با تاخیر زمانی برای پیش‌بینی مع...

در چند سال اخیر به بنگاه ها بویژه به صنعت لیزینگ به عنوان یکی از تامین کننده های مالی نگاه ویژه ای می شود. دغدغه ی اصلی که صنعت لیزینگ با آن می تواند درگیر باشد ریسک اعتباری است . بر همین اساس تحقیق حاضر در رابطه با مهم ترین مسئله ایی که لیزینگ و صنایع مشابه، با آن در چالش هستند، انجام پذیرفت. در این خصوص بر آن آمدیم مدل و الگویی مناسب برای کمی کردن ریسک اعتباری در این صنعت ارائه دهیم. بدین منظ...

تقسیم بازار با شبکه های عصبی مصنوعی، سابقه طولانی در دنیا ندارد. به طور عمده، این روش در دنیا، از چندین سال پیش در مدیریت گردشگری به صورت گسترده آغاز گردید و پس از آن به سایر حوزه های بازاریابی نیز سرایت کرد. امروزه این روش در کنار روشهای آماری از شایعترین شیوه های تقسیم بندی مشتریان بوده و روزبه روز در حال گسترش است. در این تحقیق به دلیل ضرورت شناخت مشتریان هدف برای یک شرکت تولیدکننده فرآورده...

پیش‌بینی سود هر سهم و تغییرات آن به‌عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه‌گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل‌های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصادی می‌باشد. هدف این تحقیق پیش‌بینی سود هر سهم با استفاده از شبکه عصبی – فازی و شبکه عصبی درک چندلایه(MLP) و GMDH و تع...

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب تر برای سرمایه گذاران ریسک پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

امروزه روش های کمی، به یکی از مهم ترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاری های کلان در بازار ها تبدیل شده اند. دقت پیش بینی، یکی از مهم ترین فاکتورهای انتخاب روش پیش بینی است؛ شبکه های عصبی مصنوعی، برنامه های کامپیوتری منعطفی هستند که در سطح گسترده ای برای پیش بینی با درجه بالایی از دقت به کار برده می شوند. در این مقاله با استفاده از ترکیب منطق فازی و شبکه عصبی پس از انتشار مدلی ب...

هدف این پژوهش بررسی تاثیر مدیریت تجربه مشتریان بر مبنای فرآیندهای بهاء یابی و وفاداری به برند در محصولات با درگیری ذهنی بالا می باشد. در این تحقیق پژوهشگر از رویکرد ترکیبی استفاده کرده است. برای این منظور، در مطالعه اول، برای شناخت مؤلفه‌های مدیریت تجربه مشتریان از رویکرد داده بنیاد و در مطالعه دوم، به آزمون مدل با استفاده از روش کمی پرداخته شده است. ابزار جمع‌آوری داده‌های موردنیاز در مطالعه ا...

در تحقیق حاضر،توان مدل سه متغیره فاما و فرنچ(1993)،ارزش گذاری دارایی هایی سرمایه ای و شبکه های عصبی مصنوعی در تبیین بازده سهام در بورس اوراق بهادار تهران مقایسه و سعی شده است به این پرسش پاسخ داده شود که قدرت پیش بینی کدام یک بیشتر است. متغیرهای مدل فاما وفرنچ عبارتند از بازده مازاد بازار،اندازه و نسبت ارزش دفتری به ارزش بازار و متغیر وابسته بازده پرتقوی سهام دوره زمانی 5 ساله از ابتدای 1385 تا...

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...

تجزیه و تحلیل کارایی بازار در حوزه تحقیقات موضوعی دیرینه و بحث برانگیز بوده است. از یک طرف محققان مطالعات تجربی زیادی در رابطه با کارایی بازار ارئه کرده اند؛ از طرف دیگر فعالان و سرمایه گذاران بازار تلاش زیادی برای یافتن تکنیک های جهت پیش بینی بازار و تخمین الگوی حرکت بازار و تعیین قوانین تجاری به منظور کسب سود بیشتر انجام داده اند. شبکه عصبی مصنوعی (anns)، که یکی از روش های هوش مصنوعی می باشد،...