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

Prospective Clustering Tehran Stocks Exchange for Portfolio Management

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۳۰ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: MRMEA02_421
زبان مقاله: انگلیسی
حجم فایل: ۴۵۹.۰۳ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Prospective Clustering Tehran Stocks Exchange for Portfolio Management

  Alireza Kheyrkhah - PhD Candidate, Department of Management and Economic, Tehran Science and Research Branch, Islamic Azad University, Tehran, Iran
Mohammad Ali Afshar Kazemi - Department of Industrial Management, Tehran Central Branch, Islamic Azad University, Tehran, Iran
  Fereydoon Rahnamay Roodposhti - Department of Management and Economic, Tehran Science and Research Branch, Islamic Azad University, Tehran, Iran

چکیده مقاله:

Clustering methods commonly use the past data, but this paper has tried to use prospective data and compare to former. After using time series methods to create prediction model for stocks, they clustered by k-means, fuzzy c-means and self-organized maps (SOM). In addition, all stocks were clustered by those methods. After clustering, the stocks could be selected from these groups for building a portfolio. Portfolios optimized by Markowitz model to impose the lowest risk to investor for a certain return, and the best portfolio were selected by Sharp Ratio. The following indicators, return, standard deviation, P/E, Beta, number of buyers, number of deals and value of transaction have been used at different times from the Tehran Stock Exchange for April 2010 to April 2014. Result depicts that retrospective clustering present the better portfolio compared to prospective clustering, and k-means creates the most compact cluster compared to others.

کلیدواژه‌ها:

Portfolio Management, Time Series Regression, K-means Clustering, Self-organized maps (SOM), Fuzzy C-means

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-MRMEA02-MRMEA02_421.html
کد COI مقاله: MRMEA02_421

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:
Kheyrkhah, Alireza; Mohammad Ali Afshar Kazemi & Fereydoon Rahnamay Roodposhti, ۱۳۹۴, Prospective Clustering Tehran Stocks Exchange for Portfolio Management, دومین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد و حسابداری, کوالالامپور-مالزی, موسسه سرآمد کارین, https://www.civilica.com/Paper-MRMEA02-MRMEA02_421.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: (Kheyrkhah, Alireza; Mohammad Ali Afshar Kazemi & Fereydoon Rahnamay Roodposhti, ۱۳۹۴)
برای بار دوم به بعد: (Kheyrkhah; Afshar Kazemi & Rahnamay Roodposhti, ۱۳۹۴)
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 :

  • Baltaji H. and B. Hani. (2012). Econometric. 4t edition. Nei ...
  • Markowitz H (1952), "Portfolio selection", Journal of Finance, 7, 77-91. ...
  • Nanda S.R. and B. Mahanty and M.K. Tiwari. (2010). Clustering ...
  • Nigam A. and Y.K. Agarwal. (2013). Ant colony optimization for ...
  • Nikoomaram H. and H. Hemmati. (2012). Network Model based on ...
  • Ostermark R. (1996). A fuzzy control model (FCM) for dynamic ...
  • COh K.J. and T.Y. Kim and S. Min. (2005). Using ...
  • Raee R. and Gh. Eslami Bidgoli and M. Mirzabayatei. (2011). ...
  • Talebnia Gh. and M. Fathi. (2010). Comparative Evaluation Optimal Stock ...
  • Topaloglou N. and H. Vladimirou and S.A. Zenios. (2008). A ...
  • Markowitz Harry (1958). Portfolio Selection. John Wiley & Sons ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۷۱۹۶
    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 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.