مصورسازی دادههای بازار سهام با شبکه ی عصبی نگاشت خودسازمانده
محل انتشار: دومین کنفرانس بین المللی مدیریت و حسابداری
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 506
فایل این مقاله در 10 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:
MANAGECONF02_0417
تاریخ نمایه سازی: 13 شهریور 1396
چکیده مقاله:
مصورسازی اطلاعات یکی از حوزههای علوم رایانه است که با نوآوری در ارایهی مقادیر عظیم اطلاعات ارتباط دارد ودارای استعداد زیادی برای استخراج دانش از داده است. بازار سهام، یکی از مواردی است که دادههای بسیار زیادی دارد و این دادهها، با گذر زمان، بهطور مرتب در حال تغییر هستند. پیدا کردن الگوهای مفید در دادههای بازار سهام، نیازمندمهارت تحلیلی بالا و تلاش بسیار زیادی است. برای تحلیل آسانتر، یکی از ابزارهایی که میتواند بسیار کمککننده باشد، استفاده از شبکههای عصبی است. در میان شبکههای عصبی، الگوریتم یادگیری بدون نظارت که نگاشت خودسازماندهنامیده میشود، میتواند برای کاهش بعد دادهها به کار رود. درواقع، با کمک این الگوریتم میتوان دادههای با ابعاد بالا را بهدادههای دوبعدی تبدیل کرد و سپس با خوشهبندی دادههای دوبعدی به تحلیل آسانتر دادهها پرداخت. در این پژوهش، ابتدا چهل شرکت مختلف، بر اساس هشت ویژگی مالی معین، با کمک الگوریتم خودسازمانده خوشهبندی شدند. سپسU این خوشهبندی بر اساس هر یک از ویژگیها بهطور جداگانه انجام شد. نتایج حاصل از مصورسازی دادهها با ماتریس نشان داد که شرکتهایی که در تعداد بیشتری از ویژگیها به یکدیگر شباهت داشتند، در خوشهبندی کلی نیز در خوشههای یکسان قرار گرفتند و الگوریتم SOMنتایج صحیح و منطقی را ارایه کرد که طبق این نتایج، مدیران و سرمایهگذاران شرکتها با صرف زمان کمتر و شیوهای آسانتر میتوانند شرکتهای دیگر را برای ایجاد روابط تجاری مابین خودشان و یا برای رقابت در بازار شناسایی کنند
کلیدواژه ها:
نویسندگان
سیدکمال چهارسوقی
استاد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران
فریده رحیم نژاد
دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران