پیش بینی نوسانهای قیمت سهام در بازار بورس با استفاده از روش های داده کاوی (مطالعه موردی سهام دو شرکت ایران خودرو و توسعه معادن روی ایران)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده آموزشهای الکترونیکی
- نویسنده منصور سلیمانی
- استاد راهنما علی صنایعی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
در صورتی که بتوان روند آتی نوسانهای قیمت سهام را با روشهای مناسب پیش بینی نمود،سرمایه گذاران می توانند میزان سرمایه گذاری خود را به گونه ای تعیین کند که بازده حاصل از آن سرمایه گداری به حدقابل قبولی برسد.چون مدلهای خطی قابلیت لازم را برای دریافت و استخراج الگوهای غیر خطی و آشوب گونه نوسانهای قیمتی سهام را ندارد لازم است که مدلهای و روشهای جدیدتری در این زمینه به کار گرفته شود. این تحقیق به دو بخش تقسیم می شود.در بخش اول به معرفی داده کاوی و شرح مدلها و الگوریتم های مورد استفاده برای پیش بینی و بررسی امکان پیش بینی روند قیمت سهام در بازار بورس می پردازد و در قسمت دوم با پیش بینی روند قیمت سهام دو شرکت ایران خودرو و توسعه معادن روی ایران با استفاده از روشهای بیان شده در قسمت اول به تحلیل نتایج حاصل از مدلهای مختلف پیش بینی روند قیمت سهام این دو شرکت می پردازد. امید است که ارائه این نتایج به ایجاد سیستم های پشتیبان تصمیم گیری برای سهامداران بازار بورس ایران و تشویق افراد به سرمایه گذاری در بازار بورس و رونق اقتصادی ایران عزیزمان بیانجامد.
منابع مشابه
نقدشوندگی در بازار سهام ایران، پیش بینی عمق بازار با استفاده از داده های میانروزی
نقدشوندگی یک دارایی در بازارهای مالی، مفهومی بسیار کلیدی است. به‌طور شهودی نقدشوندگی به مبادله سریع و با کمترین هزینه یک دارایی تعبیر می شود. علی رغم اهمیت این موضوع، یافتن معیاری دقیق و کاربردی برای این مفهوم کار دشواری است. در این مطالعه با به‌کارگیری داده های ریز معاملات و دفتر سفارشات در بازار سهام ایران، به محاسبه نقدشوندگی سهام منتخب با استفاده از معیار VNET پرداخته میشود. این معی...
متن کاملبررسی تاثیر متغیرهای کلان اقتصادی بر بازار سهام ایران با استفاده از الگوریتم های داده کاوی
امروزه بیشتر مطالعات در خصوص بازار سهام در اقتصاد ایران در قالب مطالعات اقتصاد سنجی بوده که در جای خود توانسته اند راهنمای سیاستگذاران باشند ولی الگوریتمهای داده کاوی توانایی مضاعفی در خصوص تدوین سیاست های راهبردی ارایه می دهند. با عنایت به نقش واهمیت بازار سهام در اقتصاد کشور، با استفاده از الگوریتم های داده کاوی نسبت به شناسایی متغیرهای مهم و تاثیر گذار بر رابطه بلند مدت شاخص کل قیمت سهام اقد...
متن کاملپیش بینی قیمت سهام شرکت فرآورده های نفتی پارس با استفاده از شبکه عصبی و روش رگرسیونی مطالعه موردی: قیمت سهام شرکت فرآورده های نفتی پارس
یکی از راه های تامین سرمایه برای سرمایه گذاری، انتشار اوراق قرضه و سهام از طریق بازار بورس می باشد. افراد در این بازار انتظار دستیابی به سود را دارند. اولین و مهم ترین عاملی که در اتخاذ سرمایه گذاری در بورس فراروی سرمایه گذار قرار دارد عامل قیمت سهام است که به تبع آن مقوله ارزیابی و پیش بینی قیمت آینده نیز مطرح می شود. فعالان در این بازار درصدد دستیابی و به کارگیری روش هایی هستند تا با پیش بینی...
متن کاملپیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی
پیشبینی تغییر قیمت سهام به عنوان یک فعالیت چالشانگیز در پیشبینی سریهای زمانی مالی در نظر گرفته میشود. یک پیشبینی صحیح از تغییر قیمت سهام میتواند سود زیادی را برای سرمایهگذاران به بار آورد. با توجه به پیچیدگی دادههای بازار بورس، توسعه مدلهای کارآمد برای پیشبینی بسیار دشوار است. در این پژوهش، مدلی برای پیشبینی قیمت سهام شرکتهای بورس اوراق بهادار تهران با بکارگیری دادههای درونزا...
متن کاملآیا قیمت سهام دربازار بورس تهران قابل پیش بینی است ؟(کاربرد موردی تحلیل R/S برای سهام شهد ایران)
ناشناخته بودن عوامل تاثیر گذار بر تغییرات قیمت سهام همواره دلیلی برای روی آوردن به پیش بینی تغییرات قیمت سهام شرکتها است پیش بینی قیمت یا بازده سهام به کمک کشف الگوهای رفتاری فرایند مولد قیمت سهام امکان پذیر است در واقع فرایند مولد قیمت سهام را می توان یه عنوان یک سیستم پویا بررسی کرد فرایند مزبور ممکن است به صورت سیستم های تصادفی ،سیستم های خطی ARIMA یا سیستم های غیر خطی به دست آید .در سالهای...
متن کاملکاربرد شبکه عصبی- فازی انطباقی در پیش بینی قیمت سهام شرکت ایران خودرو
در این پژوهش با استفاده از سیستم استنتاج عصبی_فازی انطباقی اقدام به طراحی مدلی برای کشف روند موجود در قیمت سهام شرکت ایران خودرو در بورس اوراق بهادار تهران شده است. دوره زمانی مورد مطالعه این پژوهش سالهای 1388-1381 است که به دو دوره تقسیم شده است: دوره بلند مدت شامل اطلاعات 8 سال و دوره کوتاه مدت شامل اطلاعات فصلی 8 سال. برای دوره بلندمدت با بررسی انواع توابع عضویت یک مدل عصبی_فازی با دو تابع ع...
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 شیراز - دانشکده آموزشهای الکترونیکی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023