پیش بینی شاخص سهام با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با مدل های سنتی رایج در بورس اوراق بهادار تهران
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
- نویسنده مرتضی اشهر
- استاد راهنما داریوش دموری داریوش فرید
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
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
منابع مشابه
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...
متن کاملپیش 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...
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 کاملپیش 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...
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 کاملمدل 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 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 یزد
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023