پیش بینی قیمت سهام بورس اوراق بهادار تهران با استفاده از نظریه مجموعه های راف

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,004

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MOCONF03_081

تاریخ نمایه سازی: 16 اسفند 1394

چکیده مقاله:

این مقاله یک مدل پیش بینی در بازار سهام بورس را برای استفاده سرمایه گذاران ارائه می دهد. در این مدل تحرکات بازار سهام مورد تحلیل و بررسی قرار گرفته تا سرمایه گذاران بتوانند با استفاده از این مدل برای خرید یا فروش سهام خود تصمیم درست اتخاذ نمایند. در حقیقت این مدل از تحلیل تکنیکی برای پیش بینی استفاده کرده است. مدل پیشنهادی بر پایه تئوری راف بنا شده و برای کارایی بیشتر آن از الگوریتم گسست سازی منطقه پولی برای گسست کردن داده ها مورد استفاده قرار گرفته است. سپس تکنیک کاهش مجموعه های راف برای یافتن ویژگی هایی که اهمیت بیشتری در طبقه بندی داده ها و تولید قواعد تصمیم دارند به کار برده شد. و در نهایت قواعد تصمیم، مستقیماً از همین مجموعه های کاهش یا همان عوامل طبقه بندی داده ها تولید شدند. برای ارزیابی کارایی مدل، مطالعه موردی روی شاخص صنعت در بازار بورس تهران انجام و نتایج آن مورد بررسی قرار گرفت. در این پیش بینی از داده های هفت سال بازار بورس تهران (1٬384 - 1٬390) استفاده گردید. نتایج نشان می دهد مجموعه های راف می تواند ابزار اثربخشی برای رسیدن به هدف پیش بینی صحیح با مقدار قابل قبولی از سطح اطمینان باشد.

کلیدواژه ها:

تئوری مجموعه های راف ، مدل پیش بینی مالی ، قواعد تصمیم ، بازار سهام در بورس اوراق بهادار تهران

نویسندگان

مهدی شاکری

دانشجوی دکتری مدیریت سیستم دانشگاه سمنان

مونا مراد پور

کارشناسی ارشد مدیریت صنعتی دانشگاه فردوسی مشهد

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 :
  • Cios K., and Pedrycz W., and Swiniarski R., (1998) Data ...
  • Jovina Roman and Akhtar Jamel (1996) B ackpropagation and Recurrent ...
  • Shuxiang Xu and Ming Zhang (2005) Data mining _ an ...
  • Baltzersen, J.K., 1996. An attempt to predict stock market data: ...
  • Dimitras, A.I., Slowinski, R., Susmaga, R., Zopounidis, C., 1999. Business ...
  • W. Leigh, R. Purvis and J.M. Ragusa, Forecasting the NYSE ...
  • R. Tsaih, Y. Hsu and C.C Lai, Forecasting S&P 500 ...
  • J. Van den Berg, U. Kaymak and W.-M. Van den ...
  • Golan, R.H. and Ziarko, W. (1995) A methodology for stock ...
  • Golan, R., (1995) Stock market analysis utilizing rough set theory. ...
  • Francis E. H. Tay, and Lixiang Shen (2002) Economic and ...
  • Francis E. H. Tay, and Lixiang Shen (2002) Economic and ...
  • Pawlak Z., (1982) Rough Sets. Int. J. Computer and Information ...
  • Pawlak, Z. 1991. Rough Sets: Theoretical Aspects and Reasoning about ...
  • Pawlak, Z., Grzymala-Bus Sr, J., Slowinski, R. & Ziarko, W. ...
  • ZdzisHaw Pawlak, "Rough set theory and its applications" journal of ...
  • Nguyen Hung Son, "Rough sets in data mining: case studies" ...
  • Saiful Hafizah Jaaman, Siti Mariyam Shamsuddin, Bariah Yusob, Munira Ismail, ...
  • Lixiang Shen, Han Tong Loh, Applying rough sets to market ...
  • Qizhong, Zhang (2007) An Approach to Rough Set Decomposition of ...
  • Starzyk J.A. Dale N. and Sturtz K. (2000) A mathematical ...
  • Bazan, J., Nguyen, H.S., Nguyen, S.H., Synak, P., Wr oblewski, ...
  • Polkowski L. (2003) Rough Sets: Mathematical Foundations. Phys ica-Verlag. ...
  • Gediga G. Duentsch I. (2000) Statistical Techniques for Rough Set ...
  • A.E. Hassanien, M.E. Abdelhafez, H.S. Own, "Rough Sets Data Analysis ...
  • Francis E.H. Tay, Lixiang Shen, Economic and financial prediction using ...
  • Shweta Tiwari, Rekha Pandit, Vineet Richhariya, Predicting future trends in ...
  • Armano, G., Murru, A., & Roli, F. 2002. "Stock Market ...
  • نمایش کامل مراجع