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

پیش بینی بازده سهام بااستفاده ازشبکه ی عصبی تطبیقی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۲۰ | تعداد نمایش خلاصه: ۷۰ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ACCFIN01_211
زبان مقاله: فارسی
حجم فایل: ۴۰۵.۰۹ کیلوبایت (فایل این مقاله در ۲۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۲۰ 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 ۲۰ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی بازده سهام بااستفاده ازشبکه ی عصبی تطبیقی

عطیه رنگین کمان - دانشجوی کارشناسی ارشدمهندسی صنایع -سیستم های اقتصادی واجتماعی ، دانشگاه
بوعلی سینا - استادیارگروه مهندسی صنایع ، دانشگاه بوعلی سینا

چکیده مقاله:

کسب بازده اولویت اصلی سرمایه گذاران فعال دربازاربوس است. بنابراین ارزیابی وپیش بینی بازده سهام می تواندنقش بسزایی درزمینه انتخاب سهام توسط سرمایه گذاران داشته با شد. شبکه های عصبی مصنوعی یکی ازابزارهای هوشمندی هستند که درزمینه پیش بینی بسیارمورد توجه قرارگرفته اند.عوامل مختلفی درطراحی شبکه های عصبی موثرندکه بسته به نوع مسئله ، فردخبره بایدتوپولوژ شبکه ، تابع فعال سازی، تعدادلایه ها ونرون ها درهرلایه رامشخص کند. دراین تحقیق یک روش خودکارجدیدبرای طراحی شبکه های عصبی براساس داده های ورودی وخروجی پیشنهادشده است . دراین پژوهش الگوریتم تکامل تفاضلی، عهده دار طراحی شبکه عصبی نزدیک به بهینه به جای فردخبره است.پارامترهای الگوریتم تکامل تفاضلی به صورت تطبیقی وبااستفاده ازاتوماتای یادگیردرحین فرایند جست وجو تنظیم می گردند. نتایج حاکی از پیش بینی قابل قبول شبکه ی عصبی پیشنهادی ازبازده سهام دربورس اوراق بهادارتهران است

کلیدواژه‌ها:

بازده سهام، شبکه عصبی مصنوعی، الگوریتم تکامل تفاضلی، اتوماتای یادگیر

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_211.html
کد COI مقاله: ACCFIN01_211

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:
رنگین کمان, عطیه و بوعلی سینا، ۱۳۹۲، پیش بینی بازده سهام بااستفاده ازشبکه ی عصبی تطبیقی، کنفرانس ملی حسابداری و مدیریت، تهران، مرکز همایشهای پژوهشگاه نیرو، https://www.civilica.com/Paper-ACCFIN01-ACCFIN01_211.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: (رنگین کمان, عطیه و بوعلی سینا، ۱۳۹۲)
برای بار دوم به بعد: (رنگین کمان و سینا، 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 :

  • آذر، عادل و رجب زاده قطری، علی (۱۳۷۹). «ارزیابی ترکیبی ... (مقاله ژورنالی)
  • چاوشی, کاظم و راعی, رضا (۱۳۸۲). «پیش بینی بازده سهام ...
  • حاتمی، نیما و رضا زاده، حجت و ابراهیم پور، رضا ... (مقاله ژورنالی)
  • حنفی زاده، پیام و جعفری، ابوالفضل (۱۳۸۹. « مدل ترکیبی ... (مقاله ژورنالی)
  • خالو زاده، حمید و خاکی، علی (۱۳۸۲. « ارزیابی روشهای ... (مقاله ژورنالی)
  • نمازی، محمد و کیامهر، محمد مهدی (۱۳۸۶). « پیش‌بینی بازده ...
  • Askarzadeh, A, & Rezazadeh, _ (2012). Artificial neural network training ...
  • مر کز همایش های پژوهشگاه نیرو. تهران NRI Conference Center, ... (مقاله کنفرانسی)
  • Barkoulas, J. T., Baum, C. F., & Travlos, N. (2000). ...
  • Estrada, J. (2002). Me am- semivariance behavior (II): the D-CAPM ...
  • Garro, B. _ Sossa, H., & Vazquez, R. A. (2009). ...
  • Garro, B. _ Sossa, H., & Vazquez, R. A. (2010). ...
  • Hashemi, A. B., & Meybodi, _ R. (2011). A note ...
  • Hunt, S. D., & Deller Jr, J. R. (1995). Selective ...
  • Kabudian, J., Meybodi, M. R., & H omayounpou. M. M. ...
  • Oomen, R. (2001). Using high frequency stock market index data ...
  • مر ز همایش های NRI Conference _ forecast realized return ... (مقاله کنفرانسی)
  • Sexton, R. S., & Gupta, J. N. (2000). Comparative evaluation ...
  • Shaw, D., & Kinsner, W. (1996). Chaotic simulated annealing in ...
  • Storn, R., & Price, K. (1997). Differential evolution-a simple and ...
  • Yaghini, M., Khoshraftar, M. M., & Fallahi, M. (2013). A ...
  • Yu, J., Xi, L., & Wang, S. (2007). An improved ...
  • Zhang, J.-R., Zhang, J., Lok, T.-M., & Lyu, M. R. ...
  • 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 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.