استفاده از شبکه های عصبی مصنوعی در ارزیابی دادههای تکنیکی و بنیادی بورس اوراق بهادار

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 594

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM01_364

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

بازار سهام یکی از مراکز مهم اقتصادی سرمایه گذاری است. این بازار از آنجایی بسیار پراهمیت است که آینه وضعیتاقتصادی هر کشوری است. در این بازار همواره افت و خیزهای فراوانی وجود دارد. سرمایه گذاران همواره به دنبال روشیبرای افزایش سود هستند. افزایش رونق بازار سهام و جلوگیری از ورشکستگی مالی نشان از مناسب بودن وضعیتاقتصادی کشور است. بنابراین پیش بینی مناسب در بازار سهام بسیار اهمیت دارد. بیش از 80 درصد از تحلیل های صورتگرفته صرفا روی داده های تکنیکی بوده است. در این تحقیق سعی شده است با دیدی متفاوت به پیش بینی بازار سهامپرداخته شود. از اینرو در این مقاله، به بررسی هر دو دیدگاه تکنیکی و بنیادی پرداخته می شود. این دو دیدگاه موجبجداسازی و دسته بندی داده ها به صورت تکنیکی و بنیادی است. پس از آماده سازی، داده ها توسط شبکه عصبی مصنوعی پرسپترون چندلایه و به کمک نرم افزار MATLAB مورد بررسی و مقایسه قرار گرفتند. نتیجه این تحلیل نشان داد که داده های بنیادی میتواند در بازار سهام به سرمایه گذاران یاری موثرتری برساند. این امر موجب پیش بینی مناسبتری می شود و بر مبنای آن سرمایه داران بتوانند تصمیم بهتر و صحیح تری در امر خرید و فروش بگیرند. به عنوان یک مطالعه موردی در این تحقیق از داده های بورس اوراق بهادار تهران استفاده شده است.

کلیدواژه ها:

پیش بینی بازار سهام ، داده های تکنیکی ، دادههای بنیادی ، پرسپترون چندلایه ، شبکه های عصبی مصنوعی

نویسندگان

فروغ آقابابایی

دانشجوی کارشناسی ارشد فناوری اطلاعات موسسه آموزش عالی صنعتی فولاد

محمد داورپناه جزی

استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی صنعتی فولاد

کیومرث آقایی

دانشیار دانشگاه اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • AR andANN models: Forecasting Performance _ STه [13] Rodriguez J. ...
  • Gerasimo M., Konstantions P., Yannis T., Babis T., (2005); "Intelligent ...
  • Yang Q., Wu X., (2006); _ Challenge Problems in Data ...
  • Philip M. T., Paul K., Choy S. O., Reggie K., ...
  • Roh T. H., (2007); "Forecasting the Volatility of Stock Price ...
  • Wu X., Fund M., Flitman A., (2001); "Forecasting Stock Performance ...
  • Avci E., (2007), "Forecasting Daily and Sessional Returns of the ...
  • White H., (1988); "Economic prediction using neural networks: a case ...
  • Kimoto T., Asakawa K., Yoda M., Tajeoka M., (1990); "Stock ...
  • Kamijo K., Tanigawa T., (1990); "Stock Price P atternRec ognition: ...
  • Yoda M., (1994); "Predicting the Tokyo Stock Market", In:Trading on ...
  • Ravichandran K. S, T hirunavukaras P., Nallaswamy R., Babu R., ...
  • Matsui H., Koyama Y., Ishiuyama K., (2005); _ Reportof Large ...
  • Lahmiri S., (2011); _ Comparison of PNN and SVM for ...
  • Fagnerde Oliveira A., Cristiane N., Luis E, (2013); "Applying Artificial ...
  • نمایش کامل مراجع