پیش بینی شاخص سهام مبتنی بر داده کاوی با الگوریتم ژنتیک و SVM و طبقه بندی با شبکه عصبی- فازی (ANFIS)

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 822

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_241

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

اساساً پیش بینی متغیرهای اقتصادی، از کاربرد وسیعی در برنامه ریزی و سیاست گذاری های اقتصادی از یک سو و نیز سرمایه گذاری بخش های مختلف از سوی دیگر، برخوردار است. همچنین، یکی از مهمترین اهداف مدل سازی های اقتصادی، پیش بینی آتی متغیرهای اقتصادی بوده و بالطبع قدرت این مدل ها بر اساس صحت پیش بینی شان مورد ارزیابی قرار می گیرند. این تحقیق به بررسی دقت با داده کاوی با الگوریتم ژنتیک و SVM، شبکه عصبی- فازی (ANFIS) جهت پیش بینی قیمت سهام در سه سطح روزانه، هفتگی و ماهیانه می پردازد. جامعه آماری این تحقیق دربرگیرنده کلیه شرکت های پذیرفته شده در بورس اوراق بهادار در بازه زمانی 1380 تا 1394 می باشد که نمونه مورد بررسی شامل 10 شرکت می باشد. نتایج نشان می دهد که همه مدل ها قابلیت پیش بینی قیمت سهام را دارا هستند اما مدل پیشنهاد داده کاوی با الگوریتم ژنتیک و SVM و طبقه بندی با شبکه عصبی فازی (ANFIS) در توانایی بالاتری جهت پیش بینی قیمت سهام دارا می باشند.

کلیدواژه ها:

پیش بینی شاخص سهام ، الگوریتم ژنتیک ، ماشین بردار پشتیبان (SVM) ، شبکه عصبی- فازی (ANFIS)

نویسندگان

محمد شاکری

کارشناسی ارشد، گروه هوش مصنوعی ، دانشکده فنی و مهندسی کامپیوتر ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر، ایران

مرضیه دادور

استادیار، گروه هوش مصنوعی ، دانشکده فنی و مهندسی کامپیوتر ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر، ایران

سارا کاوه

کارشناسی ارشد، گروه هوش مصنوعی ، دانشکده فنی و مهندسی کامپیوتر ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر، ایران

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 :
  • اله یاری ابراهیم (1387)بررسی شکل ضعیف کارایی بار سرمایه در ...
  • راعی، رضا. فلاح ب، سعید(1387)، کاربرد ماشین راپشتیبان در پیش‌بینی ...
  • رجب زاده، علی (1376)، ارزیابی روش های پیش بینی ترکیبی ...
  • سینایی، حسنعلی ؛مرتضوی، سعید...وتیموری اصل، یاسر (1384)، پیش بینی شاخص ...
  • عادل در، افسر امیر (1385)، مقایسه روش های کلاسیک و ...
  • عباسپور، محمد رضا (1381)، پیش بینی قیمت سهام شرکت ایران ...
  • فدائی نژاد، محمداسماعیل (1374)، بررسی کارایی بورس اوراق بهادار تهران، ...
  • کوره پزان، امین . 1384 _ اصول تئوری مجموعه های ...
  • مشیری، سعید، مروت، حبیب(1385)، پیش بینی شاخص کل بازده هی ...
  • منجمی، سید امیر حسین :بزری، مهدی ورعیتی شوازی، علیرضا(1388)، پیش ...
  • منهاج، محمد باقر .1379، مبانی شبکه های عصبی مصنوعی، انتشارات ...
  • نصراللهی، زهرا (1371)، تجزیه و تحلیل عملکرد بورس اوراق بهادار، ...
  • ational CConference _ Inform ation Technol _ .xmrnter _ _ ...
  • -Cheng, C, H., Chen, T, L, Haung, C, C., 2007. ...
  • Kelly, Logan.(2007). Measuring the Economic Stock of Money, MPRA Paper ...
  • Ming-Chi Lee, (2009). Using support vector machine with a hybrid ...
  • Nakamori, Wei, H, . Wang, Y. (2005), Forecasting stock marke ...
  • Tsang, P. M., Kwok, P., Choy, S.O., Kwan, R., Ng, ...
  • Yakup Kara, Melek Acar Boyacioglu , mer Kaan Baykan.(20 11). ...
  • Yim, J. (20 02). A comparison of neural networks with ...
  • Zhang, Z.Y., et al. (20 05).Stock time series forecasting using ...
  • نمایش کامل مراجع