CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران با به کارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فاری

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۲۴ | تعداد نمایش خلاصه: ۱۴۲ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ACCFIN01_138
زبان مقاله: فارسی
حجم فایل: ۶۲۷.۵ کیلوبایت (فایل این مقاله در ۲۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۲۴ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۲۴ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران با به کارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فاری

  فاطمه جعفری ندوشن - کارشناس ارشد مدیریت مالی ،دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد
  فاطمه سعادت - کارشناس ارشد مدیریت مالی دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد
  علیرضا رضائی - کارشناس ارشد حسابداری دانشگاه آزاد اسلامی واحد یزد

چکیده مقاله:

تحقیق حاضرباهدف پیش بینی شاخص قیمت سهام به عنوان مهم ترین ابزار شناسایی بورس اوراق بهادار وکمک به سرمایه گذاران و تصمیم گیرندگان جهت کاهش ریسک ناشی ازسرمایه گذاری بااستفاده ازنتایج تحقیق انجام شده است. امروزه به علت عدم قطعیت محیط وتوسعه سریع تکنولوژی نوین معمولا باید موقعیت های آینده را بااستفاده از داده های کم و دربازه زمانی کوتاه مدت پیش بینی کرد.بنابراین به روش هایی برای پیش بینی نیازاست که به داده های کمتری احتیاج داشته باشد، چراکه مدل های کمی پیش بینی همچون اریما، دارای محدودیت تعددداده های گذشته است، مدل های پیش بینی فازی، مدل هایی مناسب درشرایط پیش بینی همچون اریما، دارای محدودیت تعدادداده های گذشته است. مدل های پیش بینی فازی، مدل هایی مناسب درشرایط پیش بینی باداده های کم می باشد، استفاده از مدل های ترکیبی یاترکیب مدل های مختلف یک راه معمول به منظورمرتفع نمودن محدودیت های مدل های تکی وبهبوددقت پیش بینی هامی باشد، لذادراین تحقیق به منظوربه طرف نمودن محدودیت داده درمدل های میانگین متحرک خودرگرسیون انباشته کلاسیک وحصول مدل دقیق تردرپیش بینی سری های زمانی، مدل ترکیبی میانگین متحرک خود رگرسیون انباشته بامنطق فازی ( FARIMA) به منظور پیش بینی پیشنهادشده است.نتایج حاصله بیانگر کارآمدی روش پیشنهادی ترکیبی درپیش بینی شاخص قیمت سهام بورس اوراق بهادار تهران می باشد.

کلیدواژه‌ها:

پیش بینی، شاخص قیمت سهام بورس اوراق بهادارتهران، سری زمانی، مدل ARIMA

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCFIN01-ACCFIN01_138.html
کد COI مقاله: ACCFIN01_138

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جعفری ندوشن, فاطمه؛ فاطمه سعادت و علیرضا رضائی، ۱۳۹۲، پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران با به کارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فاری، کنفرانس ملی حسابداری و مدیریت، تهران، مرکز همایشهای پژوهشگاه نیرو، https://www.civilica.com/Paper-ACCFIN01-ACCFIN01_138.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (جعفری ندوشن, فاطمه؛ فاطمه سعادت و علیرضا رضائی، ۱۳۹۲)
برای بار دوم به بعد: (جعفری ندوشن؛ سعادت و رضائی، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • ابریشمی، ح. و مهرآا، م. (۱۳۸۱. "اقتصادسنجی کاربردی (رویکردهای نوین)"، ...
  • احمدی، س. و احمدلو، م. (۱۳۹۰). "پیش‌بینی قیمت قرارداد های ... (مقاله ژورنالی)
  • افشاری، ح. (۱۳۸۲). "بررسی ساختاری قابلیت پیش بینی قیمت سهام ... (مقاله ژورنالی)
  • شناسایی نماگرهای پیشرو اقتصادی اثرگذار بر شاخص قیمت بورس تهران و ساخت شاخص ترکیبی پیشرو [مقاله کنفرانسی]
  • خاشعی، م. و بیجاری، م (۱۳۸۷). "بهبود عملکرد پیش‌بینی‌های مالی ... (مقاله ژورنالی)
  • خاشعی، م.، مخاطب رفیعی، ف. و بیجاری، م. (۱۳۹۱). "به ...
  • حاتمی، ن.، میرزازاده، ح. و ابراهیم پور، ر. (۱۳۸۹. "ترکیب ... (مقاله ژورنالی)
  • دوانی، غ. (۱۳۸۲). "بورس، سهام و نحوه قیمت‌گذاری سهام"، نشر ...
  • طلوعی اشلقی، ع. و حق دوست، ش. (۱۳۸۶. "مدل‌سازی پیش‌بینی ... (مقاله ژورنالی)
  • فلاح شمسی، م. و تیموری شندی، ع. (۱۳۸۴). "طراحی الگوی ... (مقاله ژورنالی)
  • فلاح شمسی، م. و دلنواز اصغری، ب. (۱۳۸۸. "پیش‌بینی شاخص ... (مقاله ژورنالی)
  • متوسلی، م. و طالب کاشفی، ب. (۱۳۸۵). "بررسی مقایسه‌ای توان ... (مقاله ژورنالی)
  • منجمی، .، ابزری، م. و رعیتی شوازی، ع. (۱۳۸۸. "پیش‌بینی ... (مقاله ژورنالی)
  • Balaban, E. (2004), "Comparative Forecasting Performance of Symmetric and Asymmetric ...
  • Ju-Jie Wang, Jian-Zhou Wang, Zhe-George Zhang, Shu-PoGuo, (2012), "Stock index ...
  • Kalu O, E. (2009), "Forecasting Nigerian Stock Exchange Returns: Evidence ...
  • Leung, M. T., Chen, A. S., & Daouk, H. (2001), ...
  • Shittu, O. I &Yaya, O. S. (2009), "Measuring Forecast Performance ...
  • Sundaresh R., Steve R., Philip Sh. (2008), "The Financil Analyst ...
  • Tseng, F. M., Tzeng, G. H., Yu, H.C., Yuan, B. ...
  • .۴۷۸۲۷۰۰۰۰۰ ۱+۱۵۸ ۱۶.۷۱*c۱ >=۶.۵ ۸ ۶۴۴۰۹۹۹۹۹۹۴ _ ;۱۹۰۰۰۰۰۰۷۵ ۲.۳۵۷۸-=خ ۴۵۱ ...
  • -503. _ 657 19999997+1 7504.44*c1 _ 72.324868 ; _ 265.43357+1 ...
  • -65 _ , _ 5843+1 8347.61*c1 >=-899.671 694999999; -2308. _ ...
  • ۸۴ .۹۶۲۶۰۰۰۰۰۰ ۱+۱۴۰۷۹.۸*c) _ , ۹۳ ۴۰۶۴۰۰۰۰۰۰۹; ;۸۴۱۸۷۰۰۰۰۰۱ ۲۶۷.۱-=خ ۲۹۷ ...
  • ۱۹.۷۱ ۸۰۶+۲۲۰۰۲.۳ ۸*c۱ >=۹۴۴.۳۴۱ ۸۳۹۹۹۹۹۹۹; ۲۰۹۰.۲۳ ۶۳۷+۲۳۳۰۸.۰ _ *c۱ _ ...
  • -503. _ 657 19999997-1 7504.44*c1 <=-3 72.324868; 1265.43357- 6353.61*c1 _ ...
  • -65 1.15843-1 8347.61*c1 <=-899.67 1694999999; ;1 060.30391 1-=ک -2308. _ ...
  • ۸۴ .۹۶۲۶۰۰۰۰۰۰ ۱ -۱۴۰۷۹.۸*c۱ _ , ۹۳ ۴۰۶۴۰۰۰۰۰۰۹; ;۸۷۰۰۰۰۰۱ ۲۶۷.۱۸۴۱-=ک ...
  • -83.059 1599999971) 7504.44*c1 >=-3 72.324868 ; _ 657.9202 1+16353.61*c _ ...
  • -967 , 20 6609999997+ _ 6003.99*c1 >=-3 68 .5076640000 _ ...
  • -2 10.8 _ 5790000001+ 8347.61*c1 >=-899.67 1694999999; -1 899.71701+1 7017.59*c1 ...
  • ;۹۴۷.۸۰۳۷۸-=خ -۱۹۸۵. _ ۴۴۹۸+۲۵۵۴۵ .۸۲*c۱ ...
  • ;۳۷۳۶۵. ۱۳۴۱=خ ! ۶۷۹۰.۹۷۳ ۵۴۰۰۰۰۰ ۱+۲۸۳۸۵. ۱۴*c۱ ;۱۳۷۹.۴۳۵۴-=خ -۲۴۳۸.۸۶۸ _ ...
  • ;۱۰۹۹۹۹۹۹۹ ۱۳۵ .۲۰۸-=خ -۲۰۴۴.۷۴۳۵ ۸+۳ _ ۱۳۳.۲۲*c۱ ! ۱۰۱۴۱ .۳۶۰۳۵+۲۷۱ ...
  • _ ۶۴۴۰۹۹۹۹۹۹۴ ۸ ۶.۵=ک ۹۸۵.۰۷۹۳ ۱۰۰۰۰۰۰۱ -۱۵۸۱۶.۷۱*c۱ ۸۳ _ .۷۴۵ ...
  • -967 , 20 6609999997- _ 6003.99*c1 <=-3 68 .5076640000 _ ...
  • ۱ ۱۲۱۵-۱۹۸۸۳. ۱۵*c۱ *=-۶۹.۴۰۶۷ ۱۰۰۰۰۰۰۱ ۱; ;۱ ۱۳۷۲.۰۲۳۱-=ک -۱۴۸۵.۳۷۵۲۱ -۲۱ ...
  • -2 10.8 _ 5790000001- 8347.61*c1 <=-899.67 1694999999; -1 899.71701 -17017.59*c1 ...
  • 95241 0000002- 14543.8 1*c1 <=-267.1841 87000001; -145 _ .34101 -14303.59*c1 ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۵۷۳۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.