بررسی عملکرد شبکه های عصبی خودساز مانده و خودساز مانده زمانی در خوشه بندی شاخص کل بورس اوراق بهادار تهران
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید بهشتی
- نویسنده صابر جهانپور
- استاد راهنما احمد بدری حامد شاه حسینی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
چکیده ندارد.
منابع مشابه
بررسی دنباله بازده شاخص کل بورس اوراق بهادار تهران
این پژوهش به بررسی دنباله بازده شاخص کل بورس اوراق بهادار تهران می پردازد. ارزیابی دقیق ریسک در بازارهای مالی به منظور سرمایه گذاری و در نتیجه تخـصیص بهینـه سرمایه، از اهمیت حیاتی برخوردار است. افزایش نوسانات بازارهای مالی در دهه گذشته، موجب پیشرفت ابزارهای پیچیده مدیریت ریـسک شـده اسـت. شکلهای صریح دمهای توزیع، اطلاعـات مهمـی را بـرای مـدیران ریـسک و سـرمایه گذاران فراهم می کنند. در این پژوهش...
متن کاملرابطه بین درآمد باقی مانده و قیمت سهام در بورس اوراق بهادار تهران
این تحقیق، رابطه بین درآمد باقی مانده و قیمت سهام در بورس اوراق بهادار تهران را بررسی میکند. این بررسی برمبنای مدل درآمد باقی مانده است که ارزش شرکت از نظر ارزش دفتری حقوق صاحبان سهام و درآمد باقی مانده را بیان میکند. این مدل برای هر سیستم حسابداری مازادی قابل اجراست. سوال مورد بررسی این مطالعه این است که آیا ارزش دفتری هر سهم (BV) و درآمد باقی مانده غیر طبیعی هر سهم (RE) قدرت توضیحی افزایشی و ...
متن کاملارائه 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 ...
متن کاملمقایسه مدل های شبکه عصبی با مدل سری زمانی باکس- جنکینز در پیش بینی شاخص کل قیمت سهام بورس اوراق بهادار تهران
پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سریزمانی در پیشبینی قیمت شاخص سهام میپردازد. بدین جهت سه مدل از شبکههای عصبی(پروسپترونی چند لایه ،پایهای شعاعی و رگرسیونی) و یک مدل از مدلهای سریزمانی (باکس- جنکینز) مورد بررسی قرار گرفته‌اند. شاخص کل قیمت سهام بازار بورس تهران در بازه زمانی ابتدای فروردین 1384 تا انتهای اسفند 1388 به عنوان جامعه آماری انتخاب شده است. به منظور داشتن معیاری برای ...
متن کاملپیش 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...
متن کاملپیشبینی شاخص کل بورس اوراق بهادار تهران با مدل ARFIMA
در این مقاله با استفاده از دادههای روزانة شاخص کل بورس اوراق بهادار تهران در دورة زمانی 6/1/1382 تا 14/4/1386، به بررسی ویژگی حافظة بلند این شاخص پرداخته و مدل ARFIMA را بر آن برازش میدهیم. همچنین عملکرد پیشبینی مدل ARFIMA را با مدل ARIMA مقایسه میکنیم. نتایج نشان میدهند که اولاٌ این سری زمانی از نوع حافظة بلند است، بنابراین میتوان با تفاضلگیری کسری آن را مانا کرد. پارامتر تفاضلگیری ب...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شهید بهشتی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023