مقاله

پیش بینی شاخص بورس تهران با استفاده از سری زمانی فازی بر اساس تعریف نرخ بازده

چکیده

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای مالی، نوع جدیدی از فضای مسئله بر اساس نرخ بازده برای کاربرد در بازار های مالی و پیش بینی سری های زمانی مالی ارائه شده است. یکی از مسائل دیگر در مدل های سری زمانی فازی که تاثیر به سزایی در عملکرد آنها دارد طول بازه های مورد استفاده و نحوه ی تقسیم بندی فضای مسئله می باشد که در این زمینه تحقیقات متنوعی انجام شده است اما نتایج حاصله تا کنون راضی کننده نیست. لذا در این تحقیق با استفاده از الگوریتم شبیه سازی تبرید سعی در برطرف نمودن ایرادات مطالعات قبلی برای تعیین بازه های مناسب شده است. حاصل تحقیق مدل rbfts است. برای مقایسه عملکرد مدل ارائه شده و مدل های موجود در ادبیات، از دو مسئله ی بورس تایفکس و پذیرش دانشگاه آلاباما که به عنوان مرجع مقایسه ی این دسته از مدل ها هستند استفاده شده است. نتایج حاصله نشان دهنده ی برتری مدل های ارائه شده نسبت به مدل های پیشین است. در نهایت به عنوان مورد اجرایی، دو مدل نامبرده برروی شاخص بازار بورس تهران اجرا شده و نتایج تحلیل گردید.

اسناد مشابه

  • پیش بینی شاخص بورس تهران با استفاده از سری زمانی فازی بر اساس تعریف نرخ بازده

    مقاله۲۰۱۲دانش سرمایه گذاریفرید رادمهر، ناصر شمس قارنه

    در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای

  • تحلیل آشوب، تجزیۀ موجک و شبکۀ عصبی در پیش بینی شاخص بورس تهران

    مقالهتحقیقات مدلسازی اقتصادیاسماعیل نادری، esmaeil naderi tehran universityدانشگاه تهران حسین عباسی نژاد، hossein abbasi-nejad tehran universityدانشگاه تهران

    این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکۀ عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شا

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از انفیس

    مقالهمدیریت دارایی و تأمین مالیسجاد فرازمند، دانشگاه تربیت مدرس اسدالله کردنائیج، دانشگاه تربیت مدرس اصغر مشبکی، دانشگاه تربیت مدرس

    هدف اصلی این تحقیق بررسی پیش بینی پذیری شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران به کمک انفیس و یافتن مدل مناسب برای پیش بینی شاخص بورس اوراق بهادار تهران (تدپیکس) بوده است. بدین منظور، نخست سه متغیر کلان اقتصادی به همراه مقادیر تاریخی شاخص تدپیکس به عنوان ورودی های مدل انت

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۰۵فصلنامه علمی-پژوهشی بررسیهای حسابداری وحسابرسیحسنعلی سینائی، سعیدال..... مرتضوی، یاسر تیموری اصل

    پژوهش حاضر به مطالعه پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران به وسیله شبکه های عصبی و ارایه ی شواهدی مبنی بر رفتار آشوبناک شاخص قیمت در بورس اوراق بهادار می پردازد. دو مجموعه از داده ها برای ورودی شبکه عصبی انتخاب شده اند. وقفه های مختلفی از شاخص و عوامل کلان اقتصادی ب

  • پیش بینی شاخص سهام با استفاده از شبکه های عصبی موجکی در بورس اوراق بهادار تهران

    مقاله۲۰۱۴راهبرد مدیریت مالیسعید فلاح پور، جواد علی پور ریکنده

    در این تحقیق شاخص کل سهام بورس اوراق بهادار تهران با استفاده از مدل­های مختلف شبکه های عصبی پیش بینی شده است. تحقیق از نوع کاربردی است و دورۀ زمانی انجام تحقیق از ابتدای سال 81 تا پایان سال 90 است. گردآوری اطلاعات از طریق آمار و داده­های موجود در پایگاه اطلاعاتی در بورس اوراق بها

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

    مقالهمدیریت بهره وری

    اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های 3arima هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموف