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

مطالعه تجربی پیرامون پیش­بینی پذیری تغییرات شاخص سهام بازار بورس تهران به کمک تکنیک­های یادگیری ماشین

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۶۲۸ | نظرات: ۰
سرفصل ارائه مقاله: اقتصاد مهندسی و مهندسی مالی
سال انتشار: ۱۳۹۱
کد COI مقاله: IIEC09_277
زبان مقاله: فارسی
حجم فایل: ۴۷۸.۲۱ کلیوبایت (فایل این مقاله در ۷ 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله مطالعه تجربی پیرامون پیش­بینی پذیری تغییرات شاخص سهام بازار بورس تهران به کمک تکنیک­های یادگیری ماشین

  حسین محمدحسن زاده - کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه صنعتی امیرکبیر؛
مهران فرهی کیا - کارشناس ارشد آمار، کارشناس ریسک، بانک آینده؛
اکبر اصفهانی پور - استادیار، عضو هیئت علمی دانشکده مهندسی صنایع و سیستمهای مدیریت، دانش

چکیده مقاله:

پیشبینی تغییرات شاخص سهام، یکی از چالشبرانگیزترین مسائل در حوزهی مهندسی مالی بهشمار میرود. بهویژه در بازارهای کشورهای در حال توسعه مانند ایران، عوامل ناشناخته متعددی بر پیچیدگی این بازار میافزایند. در این مطالعه تلاش شدهاست با هدفتأمین سود بیشتر، توانایی تکنیکهای شبکهی عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیمگیری و روشهای آماری در پیش- بینی تغییرات شاخص سهام بررسی شود. در این روشها، از 11 شاخص فنی استخراج شده از شاخص سهام بازار بورس تهران به عنوان ورودی مدلها استفاده شد. همچنین اثربخشی قیمت جهانی نفت، ارزش طلا و نرخ برابری دلار با ریال، به عنوان سه عامل مهماقتصادی، در بهبود دقت پیشبینی بررسی گردید. در این آزمایش، درخت جنگل تصادفی و شبکه عصبی با دقتهای به ترتیب 5.48 % و%5348 بهترین نتایج را به همراه داشتهاند، که رشد ده درصدی را نسبت به مطالعات پیشین نشان می دهند. این بیشینه دقتها بههنگام استفاده از عوامل اقتصادی سهگانه در ورودی مدلها حاصل شد. همچنین به منظور بهبود دقت حاصل، کارآیی چندین روش ترکیبی بررسی شد، اما دقتی بالاتر از روشهای جنگل تصادفی و شبکهی عصبی به دست نیامد

کلیدواژه‌ها:

شاخص بازار بورس، پیشبینی، یادگیری ماشین، دستهبندی آماری، عوامل اقتصادی ناملموس

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-IIEC09-IIEC09_277.html
کد COI مقاله: IIEC09_277

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:
محمدحسن زاده, حسین؛ مهران فرهی کیا و اکبر اصفهانی پور، ۱۳۹۱، مطالعه تجربی پیرامون پیش­بینی پذیری تغییرات شاخص سهام بازار بورس تهران به کمک تکنیک­های یادگیری ماشین، نهمین کنفرانس بین المللی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه صنعتی خواجه نصیرالدین طوسی، https://www.civilica.com/Paper-IIEC09-IIEC09_277.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: (محمدحسن زاده, حسین؛ مهران فرهی کیا و اکبر اصفهانی پور، ۱۳۹۱)
برای بار دوم به بعد: (محمدحسن زاده؛ فرهی کیا و اصفهانی پور، ۱۳۹۱)
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 :

  • Abu-Mostafa, Y., and Atiya, A. _ to [2] financial fo ...
  • Tan, T., Quek, C., and See, G., "Biological brain- [3] ...
  • Ou, P., Wang, H., "Prediction of Stock Market Index Movement ...
  • Leung, M., Daouk, H., and Chen, A., "Forecasting stock indices: ...
  • Leigh, W., Purvis, R., and Ragusa, J., "Forecasting the NYSE ...
  • Manish, K., and Thenmozhi, M., "Forecasting stock [7] index movement: ...
  • Kim, K., and Han, I., "Genetic algorithms approach to feature ...
  • Kim, K., "Financial time series forecasting using support vector machines", ...
  • Chen, S., Leung, T., and Daouk, H., "Application of [10] ...
  • network", Journal of Istanbul Stock Exchange, 2003 Altay, E., and ...
  • forecasting: Artificial neural networks and linear regression comparison in an ...
  • prediction of S&P 500 via combination of improved BCO approach ...
  • Tsaih, R., Hsu, Y., and Lai, C., "Forecasting S&P 500 ...
  • Kara, Y., Boyacioglu, M., Baykan, O., "Predicting [15] stock price ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۶۷۹۴
    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.