پیش بینی شاخص کل بورس اوراق بهادار تهران با سیستم استنتاجی عصبی فازی تطبیقی(anfis)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم اجتماعی و اقتصادی
- نویسنده مرضیه فولادچنگ
- استاد راهنما حسین دیده خانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
هدف اصلی این تحقیق طراحی مدلی برای پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از سیستم استنتاجی عصبی- فازی انطباقی و مقایسه آن با روش شبکه عصبی و مدل خطی آریما می باشد. در این تحقیق از روش کشف معرفت جهت بررسی موضوع و پیش بینی شاخص بورس اوراق بهادار تهران استفاده شده است. در این تحقیق سه روش برای پیش بینی مطرح می شود:1- پیش بینی شاخص کل قیمت سهام با روش سیستم عصبی فازی.2- پیش بینی شاخص کل قیمت سهام با روش شبکه عصبی.3- پیش بینی شاخص کل قیمت سهام با مدل خطی آریما.اولا" نتایج حاصل از بررسی نشان می دهد که رفتار شاخص سهام بورس اوراق بهادار تهران غیر خطی است و پیش بینی آن با روش های غیر خطی خطای کمتری را پیش بینی می کند و ثانیا در بین روش های غیر خطی شبکه عصبی-فازی پیش بینی مناسبتری را رائه می دهد و ثالثا با توجه به سطح خطای بسیار پایین در مدلسازی شاخص بورس اوراق بهارا تهران می توان نتیجه گرفت که الگوی مشخصی در رفتار شاخص بورس اوراق بهادار تهران موجود است.
منابع مشابه
ارائه 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 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 کاملپیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از شبکه های عصبی
توانایی شبکه های عصبی در کشف روابط غیر خطی میان داده های ورودی، از آن ابزار ایده آلی در مدل کردن سیستم های دینامیک غیر خطی ساخته است. در نتیجه انتظار می رود شبکه های عصبی با قابلیت تشخیص الگوهای سیستم های غیرخطی، امکان پیش بینی تغییرات بازار را بیشتر و دقیق تر از تکنیک های متداول دیگر فراهم کنند. تحقیق حاضر به بررسی کاربرد شبکه های عصبی در پیش بینی شاخص کل بورس اوراق بهادار تهران پرداخته است. ...
15 صفحه اولمدل 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...
متن کاملپیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی
اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های 3arima هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموفق بوده اند. در تحقیق حاضر برای پیش بینی شاخص کل بورس از مدل شبکه های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...
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 الزهراء - دانشکده علوم اجتماعی و اقتصادی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023