بررسی مقایسه ای قدرت پیش بینی شاخص قیمت سهام با استفاده از روش های محاسباتی و شبکه عصبی فازی در بورس اوراق بهادار تهران

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 436

فایل این مقاله در 13 صفحه با فرمت PDF و WORD 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:

AMSCONF04_660

تاریخ نمایه سازی: 6 اسفند 1395

چکیده مقاله:

شاخص قیمت سهام نشان دهنده وضعیت کلی اقتصاد یک کشور است. افزایش این شاخص به معنی رونق و بهبود دراوضاع و احوال اقتصادی و کاهش آن بیان گر بحران و رکود است. از این رو می توان نتیجه گیری کرد که پیش بینی این شاخص می تواند در تصمیم گیری های سرمایه گذاران، صاحبان صنایع و حتی تحلیل گران بازار سرمایه و اقتصاد مفید فایده واقع شود. اگر چه پژوهش های تجربی بسیاری در ارتباط با موضوع پیش بینی شاخص قیمت سهام صورت گرفته است، با این حال، پژوهش های اندکی در ارتباط با بازارهای مالی در حال توسعه صورت گرفته است. همچنین، با توجه به پیشرفت الگوریتم های مربوط به پیش بینی؛ در تحقیق حاضر به مدل سازی و پیش بینی شاخص قیمت سهام بازار بورس تهران با استفاده از روش های سری زمانی کلاسیک پرداخته شده است. بدین منظور، از اطلاعات آماری موجود برای سال های 1385 تا 1393 استفاده گردید. نتایج بدست آمده روش مدل عصبی-فازی با توجه به معیارهای ارزیابی عملکرد، نسبت به دیگر روش های استفاده شده در این تحقیق بیشتر است. بنابراین، مدل سازی و پیش بینی قیمت کل سهام با استفاده از روش انفیس (ANFIS) مطلوب تر می باشد و این مدل توانایی بیشتری در کاهش خطای برآورد شاخص کل قیمت سهام نسبت به دیگر مدل ها دارد.

نویسندگان

بهنام کرمشاهی خبیصی

مربی و عضو هیات علمی دانشگاه شهید باهنر کرمان، کرمان، دانشگاه شهید باهنر، مجتمع آموزش عالی بافت

زینب اعظمی

مربی و عضو هیات علمی دانشگاه شهید باهنر کرمان، کرمان، دانشگاه شهید باهنر، مجتمع آموزش عالی بافت

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 :