پیش بینی نرخ بازده سهام با استفاده از الگوریتم دسته بندی داده های عددی (gmdh)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده علوم انسانی
- نویسنده سید مرتضی عرفانی دانادل
- استاد راهنما محمد حسن قلی زاده محمد رحیم رمضانیان
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
هدف اصلی از سرمایه گذاری در سهام شرکت ها، افزایش ثروت است که این امر از طریق کسب بازده سهام و مدیریت ریسک محقق می گردد. نرخ بازده سهام یکی از مهمترین معیارهای عملکرد موسسات می باشد. عوامل معلوم و نامعلوم مختلفی بر رفتار بازده سهام تأثیر گذاشته و باعث پیچیدگی پیش بینی نرخ بازده سهام می گردد. پیچیدگی های موجود در زمینه پیش بینی نرخ بازده سهام باعث شده است که مدل های خطی پیش بینی، عملکرد مناسبی در این زمینه نداشته باشند. از جمله روش های کارآمد برای مدل سازی فرآیندهای پیچیده مثل پیش بینی نرخ بازده سهام، شبکه های عصبی مصنوعی می باشند. در این پژوهش جهت پیش بینی نرخ بازده سهام از نوع خاصی از شبکه های عصبی مصنوعی به نام gmdh استفاده شده است. الگوریتم دسته بندی داده های عددی، یک شبکه عصبی خود سامانده می باشد. در این روش مدل سازی، توابع هدفی وجود دارند که گاه در تضاد با هم هستند. به عنوان مثال، کاهش خطای مدل سازی شبکه gmdh ممکن است باعث افزایش خطای پیش بینی گردد. این پایان نامه امکان پذیر بودن پیش بینی نرخ بازده سهام با استفاده از gmdh را مورد پژوهش قرار می دهد. نتایج پیش بینی، 0.99r2=، 0.12mape=، 1.14mae=، 2.53rmse= و 6.44mse= را برای پیش بینی در بازار بورس اوراق بهادار تهران نشان می دهد. بنابراین به طور کلی شبکه های عصبی gmdh توانایی قابل ملاحظه ای در پیش بینی نرخ بازده سهام با دقت مناسب را دارند.
منابع مشابه
پیش بینی بازده سهام با استفاده از روش انقباضی LASSO
انتخاب متغیر، یکی از مراحل مهم در مدلسازی آماری است. برای این منظور، معمولاً از روشهایی نظیر حذف پسرو استفاده میشود. از آنجایی که در این روشها دو مرحله ی برآورد مدل و انتخاب متغیر به طور جداگانه صورت میگیرد، نتیجهی حاصل بیثبات خواهد بود. به همین دلیل اخیراً گروه دیگری از روشهای انتخاب متغیر به نام روشهای انقباضی مطرح شدهاند که در این بین، LASSO از محبوبیت ویژهای برخوردار است. در این تح...
متن کاملپیش بینی بازده سهام با استفاده از نسبتهای مالی
اطلاعات حسابداری جهت مفید بودن در تصمیم گیری باید مربوط و قابل اتکا باشد. از طرف دیگر مفید بودن اطلاعات صورتهای مالی به قدرت تبیین و پیش بینی ارزش شرکت وابسته است و ارزش شرکت نیز مستقیما تحی تاثیر بازده فعلی و بازده آتی آن است. بنابراین پیش بینی بازده سهام با استفاده از نسبتهای مالی موضوع تحقیق قرار گرفت و براساس بررسی های انجام شده در ادبیات موضوع، چهار نسبت D/P،S/P، B/P،E/P انتخاب گردیدند. ج...
متن کاملدسته بندی و پیش بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک های داده کاوی
داده کاوی و کشف الگوها و دانش نهفته در داده های سیستم های آموزشی کمک شایانی به تصمیم گیرندگان عرصه آموزش عالی جهت بهبود فرآیند های آموزشی نظیر برنامه ریزی، ثبت نام، ارزیابی و مشاوره می نماید. هدف مقاله حاضر، دسته بندی و پیش بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک های داده کاوی است. در این مقاله سعی شده با استفاده از داده های دموگرافیک و سوابق تحصیلی دانشجویان و آماده سازی مناسب داده ها ...
متن کاملپیش بینی روش درمان بیماری قلبی با استفاده از الگوریتم های داده کاوی
Background and Aim: Nowadays heart disease is very common and is a major cause of mortality. Proper and early diagnosis of this disease is very important. Diagnostic methods and treatments of the disease are so expensive and have many side effects. Therefore, researchers are looking for cheaper ways to diagnose it with high precision. This study aimed to identify a model for the treatment of he...
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 کاملپیش بینی بازده سهام با استفاده از استراتژی تحلیل بنیادی
هدف این پژوهش، بررسی اهمیت متغیرهای اساسی صورت های مالی در پیش بینی بازده سهام به وسیله ی استراتژی تحلیل بنیادی است. یازده علامت بنیادی بر اساس توانایی شان در پیش بینی بازده شامل موجودی کالا، حساب های دریافتنی، سرمایه گذاری ها، حاشیه سود ناخالص، بازده دارایی ها،تغییرات بازده دارایی ها، جریان وجوه نقد، اقلام تعهدی، تغییرات اهرم مالی، تغییرات نقدینگی و تغییرات گردش دارایی ها در محاسبه نمره بنیادی...
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 گیلان - دانشکده علوم انسانی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023