پیش بینی قیمت اوراق تسهیلات مسکن توسط شبکه عصبی مصنوعی
محل انتشار: چهارمین کنفرانس ملی مدیریت، اقتصاد و حسابداری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,647
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NDMCONFT04_073
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
توجه به موضوع مسکن به عنوان یکی از مهم ترین نیازهای بشر و به تبع آن، منابع تامین مالی این نیاز حیاتی در جوامع، یکی از وظایف اصلی تمام دولت ها و ارگان های اقتصادی کشورها می باشد. در این مقاله به پیش بینی قیمت اوراق تسهیلات مسکن با شبکه عصبی مصنوعی، پرداخته ایم. بر این اساس، نرخ ارز، نرخ تورم، شاخص کل قیمت سهام بورس اوراق بهادار، قیمت مسکن و قیمت اوراق تسهیلات مسکن در دوره های قبل، به عنوان متغیرهای ورودی(مستقل) این پژوهش، در نظر گرفته شده است. در پیش بینی با شبکه عصبی مصنوعی از مدل های پرسپترون سه لایه پیش خور با الگوریتم پس انتشار خطا، آبشاری و تابع پایه شعاعی، استفاده شده است.مقادیر متغیرهای ورودی به صورت روزانه از ابتدای ماه تیر سال 1393 تا انتهای ماه شهریور سال 1394، از سایت های مرکز جامعه آمار ایران، بانک مرکزی، بورس اوراق بهادار تهران و شرکت فرابورس ایران جمع آوری شده و عملیات پیش پردازش نرمال سازی به روش نرم اقلیدسی، روی داده ها انجام شده است، به همین ترتیب مقادیر متغیر خروجی(وابسته)، قیمت اوراق تسهیلات مسکن خرداد 1393 (تسه 9303)، در نظر گرفته شده است. بعد از انجام پیش بینی ها با استفاده از روش های اشاره شده و مقایسه از طریق روش های ارزیابی خطا نتایج نشان می دهد که مدل شبکه عصبی مصنوعی تابع پایه شعاعی دارای بهترین عملکرد و کم ترین خطا، در پیش بینی قیمت اوراق تسهیلات مسکن فرابورس ایران است.
کلیدواژه ها:
نویسندگان
محمدحسن قلی زاده
عضو هیات علمی و دانشیار دانشگاه گیلان
مصطفی ابراهیم پور
عضو هیات علمی و استادیار دانشگاه گیلان
شیرین زاهدی کیا
دانشجوی کارشناسی ارشد MBA(گرایش مدیریت مالی)، پردیس دانشگاه گیلان
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 :