مدل سازی پیش بینی قیمت سهام با رویکرد شبکه های عصبی فازی

Q: چگونه مقاله دانلود کنم؟

برای دانلود مقاله از SID، ابتدا وارد سایت شوید، عنوان مقاله را جستجو کرده و بر روی گزینه 'دانلود مقاله' کلیک کنید.

Q: چگونه مقاله ISI دانلود کنم؟

برای دانلود مقاله ISI در SID، کلمه کلیدی یا عنوان مقاله را در نوار جستجو وارد کرده و نتایج مرتبط را مشاهده کنید. سپس روی مقاله مورد نظر کلیک کرده و گزینه 'دانلود مقاله' را انتخاب کنید.

Q: چگونه میتوانم به پایگاه داده SID دسترسی داشته باشم؟

برای دسترسی به پایگاه داده SID، وارد سایت SID.ir شوید، یک حساب کاربری ایجاد کنید و سپس با ورود به حساب خود به منابع علمی دسترسی پیدا کنید.

Q: آیا دانلود مقاله از SID رایگان است؟

بعضی از مقالات در SID بهصورت رایگان در دسترس هستند، اما برخی دیگر نیاز به پرداخت هزینه دارند. اطلاعات بیشتر در صفحه مقاله مشخص شده است.

آذر عادل; افسر امیر

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

مقاله مقاله نشریه

مشخصات مقاله

نشریه: پژوهشنامه بازرگانی
:1385 | دوره:10 | شماره:40
صفحات :33-52

دانلود متن کامل

نسخه انگلیسی

بازدید:

4,191

دانلود:

1,536

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی پیش بینی قیمت سهام با رویکرد شبکه های عصبی فازی

نویسندگان

آذر عادل | افسر امیر | صدور گواهی نویسنده

کلیدواژه

شبکه های عصبی فازیQ3

منطق فازیQ2

شبکه های عصبی مصنوعیQ3

قیمت سهامQ2

پیش بینیQ2

چکیده

پیش بینی قیمت سهام در بورس اوراق بهادار از اهمیت خاصی برخوردار است, زیرا نشان دهنده وضعیت کلی مطلوب یا نامطلوب سرمایه گذاری برای سهامداران و سرمایه گذاران است. در میان روش های پیش بینی, شبکه های عصبی مصنوعی و منطق فازی در بسیاری از زمینه های کاربردی استفاده شده اند و هر کدام آن ها دارای محاسن و معایبی هستند. این مقاله به دنبال ترکیب تئوری استدلال فازی با روش شبکه های عصبی جهت بهبود دقت و سرعت همگرایی مدل پیش بینی است. بنابراین, یک مدل ترکیبی شبکه های عصبی و تئوری استدلال فازی بر اساس مدل استدلال تاکاگی سوگنو در نظر گرفته شده است.در این تحقیق, مدل شبکه های عصبی فازی پیش بینی قیمت سهام طراحی شده و از لحاظ شش معیار ارزیابی عملکرد با روش ARIMA مقایسه شده است, نتایج تحقیق بیانگر این حقیقت است که شبکه های عصبی فازی در تمامی شش معیار ارزیابی عملکرد بر روش ARIMA برتری داشته است و دارای ویژگی های منحصر بفرد همگرایی سریع, دقت بالا, و توانایی تقریب تابع قوی هستند و برای پیش بینی شاخص قیمت سهام مناسب می باشند.

استنادها