Article

پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

Abstract

پیش­بینی نوسان های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان بهینه شده به وسیله الگوریتم حرکت تجمعی ذرات می­باشد. در برازش مدل رگرسیون بردار پشتیبان، سه پارامتر توضیحی وجود دارد که باید ترکیبی از این سه پارامتر توسط کاربر و به صورت آزمایش و خطا انتخاب شود تا دقت مدل را به بیشترین حد خود برساند. با توجه به زمان­بر بودن و کارایی پایین انتخاب پارامتر توسط کاربر، برای انتخاب ترکیب بهینه پارامترهای مدل رگرسیون بردار پشتیبان، از روش بهینه­سازی حرکت تجمعی ذرات استفاده شده است که الگوریتمی قوی در حوزه بهینه­سازی می­باشد. با توجه به حجم زیاد داده­های ورودی به مدل برای کاهش زمان یادگیری و افزایش دقت پیش­بینی، با استفاده از روش آنالیز مولفه­های اصلی، پیش­پردازش روی متغیرهای ورودی صورت گرفته و به مولفه­های اصلی تبدبل شده است. نتایج بدست آمده نشان داد که پیش­پردازش روی دادها، خطای پیش­بینی مدل را به طور قابل ملاحظه­ای کاهش داده است.

Similar items

  • پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

    Article2017راهبرد مدیریت مالیرضا راعی، علی نیکعهد، مصطفی حبیبی

    پیش­بینی نوسان‌های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان ب

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

    Articleمدیریت 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

    Article2005فصلنامه 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

  • الگـوسازی و پیش بینی شاخـص بورس اوراق بـهادار تـهران و تعیین متغیرهای مؤثر بر آن

    Articleپژوهش ها و سیاست های اقتصادیمحسن مهرآرا، mohsen mehrara faculty of economics, university of tehranدانشیار دانشکده اقتصاد، دانشگاه تهران علی معینی، ali moeini department of algorithms and computation, university of tehran,دانشیار دانشکده فنی، دانشگاه تهران مهدی احراری، mehdi ahrari ma, researcherپژوهشگر مؤسسه تحقیقات اقتصادی دانشگاه تهران امیر هامونی

    در این مقاله با الگوسازی و پیش بینی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران مبتنی بر ساختار تلفیقی الگوریتم ژنتیک با رویکرد شبکه عصبی gmdh، سعی در شناخت متغیرهای مؤثر بر شاخص بورس اوراق بهادار شده است. یازده متغیر کلان اقتصادی مرتبط با بازار سرمایه به همراه وقفه های یک و د

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

    Articleمدیریت 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

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

    Article2009مدیریت بهره وریبیتا دلنواز اصغری، میر فیض فلاح شمس فلاح شمس

    اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموف