پیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از رگرسیون بردار پشتیبان بر مبنای تکنیک کاهش ابعاد
عنوان مقاله: پیش بینی شاخص کل بورس اوراق بهادار تهران با استفاده از رگرسیون بردار پشتیبان بر مبنای تکنیک کاهش ابعاد
شناسه ملی مقاله: JR_JFMZ-10-3_001
منتشر شده در در سال 1401
شناسه ملی مقاله: JR_JFMZ-10-3_001
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:
سمیه محبی - دانشجوی دکتری رشته مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی تهران، ایران.
محمد اسماعیل فدایی نژاد - دانشیار گروه مدیریت مالی و بیمه، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی تهران، ایران.
محمد اصولیان - استادیار گروه مدیریت مالی و بیمه، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
خلاصه مقاله:
سمیه محبی - دانشجوی دکتری رشته مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی تهران، ایران.
محمد اسماعیل فدایی نژاد - دانشیار گروه مدیریت مالی و بیمه، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی تهران، ایران.
محمد اصولیان - استادیار گروه مدیریت مالی و بیمه، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
بازارهای سهام نقش مهمی در سازماندهی سیستمهای اقتصادی مدرن دارند. پژوهشهای گسترده ای در زمینه پیش بینی آنها با استفاده از تکنیکهای هوشمند انجام شده است. با توجه به اینکه دقت عملکرد این تکنیکها به میزان قابل توجهی تحت تاثیر ویژگیهای ورودی آن است، یکی از پیشرفتهای به کار رفته در استفاده از مدلهای هوشمند، علاوه بر کاربرد مدلهای ترکیبی، استفاده از کاهش ابعاد به عنوان یک پیش مرحله برای مدل پیشبینی میباشد. در این پژوهش برای پیشبینی روزانه شاخص کل بورس اوراق بهادار تهران همزمان از دو روش کاهش ابعاد (انتخاب و استخراج) به منظور انتخاب ویژگیهای مناسب به عنوان ورودیهای مدل استفاده میشود. بهطوریکه برای انتخاب ویژگیها از الگوریتم mRMR-MID و برای استخراج ویژگیها از الگوریتم PCA استفاده میشود. سپس از رگرسیون بردار پشتیبان به عنوان مدل پیشبینی استفاده میشود. با توجه به نتایج بدست آمده از تحلیل استفاده از تکنیکهای کاهش ابعاد در مدل پیشبینی، در نهایت الگوریتمی برای انتخاب ویژگیهای مناسب بر شاخص، تحت عنوانISF_MID پیشنهاد میشود. نتایج نشان میدهد که با روش پیشنهادی، میتوان با ۷ ویژگی انتخابی به دقت بالایی در پیشبینی روزانه شاخص کل بورس اوراق بهادار تهران با درصد خطا ۴۶/۳ دستیافت. لازم به ذکر است مدلهای مورد بررسی در مرحله پیاده سازی با روش اعتبارسنجی متقابل k-fold مورد ارزیابی قرار گرفتند. همچنین از معیارهای MAE، MSE و RMSE برای ازریابی عملکرد مدلهای مذکور استفاده میشود.
کلمات کلیدی: پیش بینی شاخص بورس, رگرسیون بردار پشتیبان, تکنیک کاهش ابعاد, انتخاب ویژگی, تجزیه و تحلیل مولفه های اصلی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1568903/