بهبود عملکرد پیش بین یهای مالی با استفاده از معماری های مختلف ترکیب مدل های خطی کلاسیک و غیرخطی هوشمند
محل انتشار: کنفرانس بین المللی مهندسی صنایع و مدیریت پایدار
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 506
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IESM03_056
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
امروزه بهرغم وجود روشهای متعدد پیش بینی، هنوز پیش بینی دقیق سری های زمانی کار چندان ساده ایی نیست و اکثر محققان در صددبه کارگیری ترکیب روش های متفاوت به منظور دستیابی به نتایج دقیق تر می باشند. استفاده از مدل های ترکیبی یا ترکیب مدل های مختلف یکراه حل معمول به منظور بهبود دقت پیش بینی است. در ادبیات موضوع پیش بینی سری های زمانی، ترکیب مدل های خطی کلاسیک و غیرخطیهوشمند یکی از معمول ترین روشهای ترکیبی به منظور بهبود دقت پیش بینی می باشد. مدل های میانگین متحرک خودرگرسیون انباشته وشبکه عصبی به ترتیب از مهمترین و پرکاربردترین مدل های خطی کلاسیک و غیرخطی هوشمند در پیش بینی سری های زمانی می باشند که درچند دهه اخیر به وفوردر مدل های ترکیبی مورد استفاده قرارگرفته اند. در این مقاله به منظور بهبود دقت پیش بینی ها درمحیط های مالی وهمچنین غلبه بر محدودیت های مدلهای تکی، معماری های مختلف ترکیب این دو مدل پیشنهاد شده است. نتایج حاصله از به کارگیری مدل هایترکیبی مختلف درپیش بینی شاخص قیمت سهام داووجونز، بیانگر کارآمدی مدل های ترکیبی در تقابل با مدل های خودرگرسیون میانگینمتحرک انباشته و شبکه های عصبی مصنوعی می باشد.
کلیدواژه ها:
مدل های خودرگرسیون میانگین متحرک انباشته (ARIMA) ، شبکه های عصبی مصنوعی (ANN) ، معماری های ترکیب ، پیش بینی قیمت سهام
نویسندگان
مهدی خاشعی
دانشکده مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان، اصفهان، ایران
زهرا حاجی رحیمی
دانشکده مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان، اصفهان، ایران
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 :