CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

انتخاب سبد سهام بهینه با استفاده از شبکه ی عصبی-مصنوعی ( مورد کاوی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۶ | تعداد نمایش خلاصه: ۱۶۲۶ | نظرات: ۰
سرفصل ارائه مقاله: حسابداری
سال انتشار: ۱۳۹۲
کد COI مقاله: FNCAM01_163
زبان مقاله: فارسی
حجم فایل: ۲۶۸.۵۳ کیلوبایت (فایل این مقاله در ۱۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله انتخاب سبد سهام بهینه با استفاده از شبکه ی عصبی-مصنوعی ( مورد کاوی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران

  سیدعلی نبوی چاشمی - استادیاردانشگاه آزاد اسلامی بابل
  عرفان معماریان - استادیاردانشگاه آزادبابل
محمد شعبانی ورنامی - دانشجوی کارشناس یارشدمدیریت مالی

چکیده مقاله:

هدف اصلی این تحقیق دست یافتن به یک سبد سهام بهینه در گزینش پور تفولیو بر اساس مدل شبکه ی عصبی برای یک سرمایه گذارمی باشد. در این تحقیق از مدل مارکویتز به عنوان مبنای مقایسه در نظریه پور تفولیو استفاده شده است. در این مطالعه در کنار مدل مارکویتز مدلهای ساخته شده از طریق شبکه های عصبی نیز بکار رفته شده است. سپس آنها با مدل مارکویتز در چندین دوره سرمایه گذاری مقایسه شدند. الگویی یادگیری برای شبکه های عصبی پروسپترون چند لایه می باشد. پور تفولیوها شامل 50 سهام شرکت ها در بازار بورس تهران هستند که طی بازه زمانی سالهای 1380 الی 1388 مورد مطالعه قرار گرفتند. در سبد سهام تشکیل شده بین مدل مارکویتز و شبکه های عصبی تفاوت معنا داری بر اساس شاخص شارپ وجود دارد.در مدل شارپ مدل شبکه عصبی بهتر از مدل مارکویتز عمل کرد. این پژوهش نشان می دهد که بکارگیری شبکه های عصبی در گزینش پور تفولیو می تواند ثمر بخش باشد

کلیدواژه‌ها:

پرتفولیو،شبکه عصبی،چولگی،سرمایه گذاری

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-FNCAM01-FNCAM01_163.html
کد COI مقاله: FNCAM01_163

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:
نبوی چاشمی, سیدعلی؛ عرفان معماریان و محمد شعبانی ورنامی، ۱۳۹۲، انتخاب سبد سهام بهینه با استفاده از شبکه ی عصبی-مصنوعی ( مورد کاوی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران، اولین کنفرانس ملی حسابداری و مدیریت، شیراز، موسسه بین المللی آموزشی و پژوهشی خوارزمی، https://www.civilica.com/Paper-FNCAM01-FNCAM01_163.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: (نبوی چاشمی, سیدعلی؛ عرفان معماریان و محمد شعبانی ورنامی، ۱۳۹۲)
برای بار دوم به بعد: (نبوی چاشمی؛ معماریان و شعبانی ورنامی، 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 :

  • رضا راعی " طراحی مدل سرمایه گذاری مناسب در سبد ...
  • رضا راعی "تشکیل سبد سهام برای سرمایه گذار مخاطه پذیر(مقایسه ...
  • حسین رضائی دولت آبادی، یحیی مهتاب الالان "حل مسائل انتخاب ... (مقاله ژورنالی)
  • احمد مدرس، نازنین محمدی استخری، " انتخاب یک سبد سهام ...
  • رضا راعی، سعید فلاح پور ...
  • پال دی. مک نلیز.(۲۰۰۶) _ شبکه های عصبی در امور ...
  • حسین عبده تبریزی، محمود البرزی، _ مدلهای شبکه عصبی و ... (مقاله کنفرانسی)
  • محمد سرچمی، علی سرچمی، محمد حسین نکویی _ کاربرد شبکه ... (مقاله کنفرانسی)
  • علی قزلباش، احمد فراهی، فرشید کی نیا _ کاربرد شبکه ... (مقاله کنفرانسی)
  • کامپیوتر و فناوری اطلاعات(ص۱۰-۱). دورود، خرداد ۱۳۹۱، دانشگاه آزاد اسلامی ...
  • حمید رضا جعفریه، نگار معتمدی، الهه ملایی شبکه های عصبی ...
  • پیکتن، فیلپ(۲۰۰۲) " شبکه های عصبی: اصول ورویکردها" (چاپ دوم). ...
  • پیکتون، فیل.(۲۰۰۲) " مدل سازی شبکه های عصبی" (چاپ اول): ...
  • محمد باقر منهاج _ مبانی شبکه های عصبی، هوش محاسباتی" ...
  • منصور گرکز، ابراهیم عباسی، مطهره مقدسی، انتخاب و بهینه سازی ...
  • سیمین عبدالعلی زاده شهمیر، کوروش عشقی کاربرد الگوریتم ژنتیک در ...
  • باتکو، ایوان.(۲۰۰۲) _ مرجع کامل هوش مصنوعی و برنامه نویسی ...
  • networks- computers & Operations Research" vol.5, No.7, pp. 15-96, 2009. ...
  • Raei, Reza" Risky Portfolio Selection through Neural Networks" irainan Accounting ...
  • Portfohio Optimization "Journal of finance, vol.7, No. 6, pp.25-55, 201 ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۲۳۰۱
    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.