پیش بینی تحرکات شاخص قیمت سهام با استفاده از الگوهای شبکه عصبی مصنوعی(ann)و ماشین بردار پشتیبان(svm)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور استان مازندران - پژوهشکده علوم انسانی و اجتماعی
- نویسنده یاسر بهمنی
- استاد راهنما حسین فخاری
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
بورس مکانی برای سرمایه گذاری وکسب درآمد و سود از طریق نگهداری و معامله سهام می باشد. بورس ایران به عنوان یکی از بورسهای نو ظهور و پویا که تغیرات شاخص قیمت سهام در آن بعلت اینکه تحت تاثیر عوامل کلان اقتصادی (سیاست، خط و مشی شرکت ها، شرایط اقتصادی، انتظار سرمایه گذاران در تغییرات بازار و موضوعات روانشناختی) قرار می گیرد غیر خطی، پیچیده، ناپارامتریک و تصادفی است، بنابراین نیازمند مطالعات جدی در زمینه پیش بینی تغیرات شاخص سهام است و همچنین چون سرمایه گذاران از شاخص ها جهت سرمایه گذاری استفاده می کنند بنابراین پیش بینی حرکت شاخص قیمت سهام یکی از بحث برانگیزترین موضوعات در امور مالی تلقی شود و صحت این پیش بینی ها برای بهبود استراتژی های معاملاتی و سرمایه گذاری و حذف ریسک در بورس بسیار مهم می باشد. اما از آنجایی که دو مدل شبکه عصبی مصنوعی و ماشین بردار پشتیبان کاربرد موفقیت آمیزی در پیش بینی های مبتنی بر سری زمانی داشته اند لذا در این تحقیق در صددیم قدرت پیش بینی این دو الگو را در بورس تهران مورد بررسی قرار دهیم. شبکه عصبی مصنوعی استفاده شده در این تحقیق mlp با 7 لایه پنهان و ماشین بردار پشتیبان smo با تابع poly kernel می باشد.. ورودی های این دو مدل شامل 9 اندیکاتور مربوط به دوره زمانی 1/4/1384 الی 30/9/1389 می باشد که برای پیش بینی مورد استفاده قرار گرفته است. نتیجه این تحقیق نشان میدهد که الگوی شبکه عصبی مصنوعی (ann) در پیش بینی جهت حرکت شاخص سهام به طور معنی داری نسبت به الگوی ماشین بردار پشتیبان (svm) از دقت پیش بینی بهتری برخوردار است.
منابع مشابه
پیش بینی شاخص قیمت سهام با استفاده از مدل هیبریدی
پیشبینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیشبینی آن امری دشوار میباشد. از طرفی سریهای زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدلهای هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش...
متن کاملپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
متن کاملترکیب شبکه های عصبی برای پیش بینی قیمت سهام
در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...
متن کاملپیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک
شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها، گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز...
متن کاملپیش بینی اثر متغیرهای کلان بر شاخص قیمت سهام با استفاده از شبکه عصبی gmdh
اقتصاد هر کشور از بخش¬های مختلفی تشکیل شده که روابط بین این بخش¬ها، سمت و سوی اقتصاد آن کشور را مشخص می¬کند. در این میان بازار سرمایه در کنار بازار پول، به عنوان اجزای تشکیل¬دهنده بازارهای مالی بوده و در واقع، شریان¬های اصلی یک اقتصاد محسوب می¬شوند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد است و چنانچه رابطه منطقی بین بازار مالی با بخش های دیگر اقتصادی وجود نداشته باشد، ...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص بازدهی نقدی و قیمت سهام
مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای...
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 پیام نور استان مازندران - پژوهشکده علوم انسانی و اجتماعی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023