مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,686
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

6

اطلاعات مقاله نشریه

عنوان

بررسی مقایسه ای توان شبکه های عصبی با ورودی شاخص های تحلیل تکنیکی برای پیش بینی قیمت سهام

صفحات

 صفحه شروع 57 | صفحه پایان 82

چکیده

 مهمترین مساله برای سرمایه گذاران فعال در بازار سرمایه, پیش بینی قیمت سهام می باشد. هدف اصلی این مطالعه نیز بررسی  کاربردپذیری پیش بینی قیمت سهام به وسیله شاخص های تحلیل تکنیکی با استفاده از شبکه های عصبی و مقایسه این روش با سایر روش های پیش بینی از جمله شبکه عصبی استفاده کننده از قیمت سهام و مدل های ARIMA می باشد. در این تحقیق قیمت سهام ده روز آینده چهل شرکت فعال در بورس اوراق بهادار تهران با استفاده از سه روش مختلف پیش بینی می شود. در روش اول با استفاده از یک شبکه عصبی پیش خور تک لایه با الگوریتم یادگیری لونبرگ - مارکوات و معیار عملکرد میانگین مربعات خطا با ورودی ارزش بازار, قیمت پیش بینی می شود. سپس علاوه بر ورودی ارزش بازار, میانگین های متحرک پنج, ده و بیست روزه و ROC و RSI دوازده روزه نیز به عنوان ورودی به شبکه معرفی گردید و پیش بینی صورت گرفت. قیمت سهام با استفاده از مدل های ARIMA نیز برای کلیه شرکت های پیش بینی شد. با استفاده از تحلیل واریانس سه روش مختلف پیش بینی با یکدیگر مقایسه گردیدند. از آنجا که در مورد سی شرکت پیش بینی قیمت توسط مدل های ARIMA به طور معنی داری نسبت به مدل های شبکه عصبی نتایج بهتری ارایه نموده است می توان اظهار داشت که مدل های خطی - ARIMA بهتر از مدل های غیر خطی, شبکه های عصبی - توانسته اند پیچیدگی های سری های زمانی قیمت سهام را تجزیه و تحلیل نموده و برای پیش بینی قیمت سهام مورد استفاده قرار گیرند.

استنادها

ارجاعات

استناددهی

APA: کپی

متوسلی، محمود، و طالب کاشفی، بیژن. (1385). بررسی مقایسه ای توان شبکه های عصبی با ورودی شاخص های تحلیل تکنیکی برای پیش بینی قیمت سهام. نامه مفید، 12(54 (نامه اقتصادی))، 57-82. SID. https://sid.ir/paper/3729/fa

Vancouver: کپی

متوسلی محمود، طالب کاشفی بیژن. بررسی مقایسه ای توان شبکه های عصبی با ورودی شاخص های تحلیل تکنیکی برای پیش بینی قیمت سهام. نامه مفید[Internet]. 1385؛12(54 (نامه اقتصادی)):57-82. Available from: https://sid.ir/paper/3729/fa

IEEE: کپی

محمود متوسلی، و بیژن طالب کاشفی، “بررسی مقایسه ای توان شبکه های عصبی با ورودی شاخص های تحلیل تکنیکی برای پیش بینی قیمت سهام،” نامه مفید، vol. 12، no. 54 (نامه اقتصادی)، pp. 57–82، 1385، [Online]. Available: https://sid.ir/paper/3729/fa

مقالات مرتبط نشریه ای

مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    فایل موجود نیست.
    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button