شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF

Authors

  • بهروز عطایی کارشناس ارشد مدیریت بازرگانی (گرایش مالی)، دانشگاه مازندران
Abstract:

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می­باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده­های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده­های مربوط به 316 شرکت از نخستین روز کاری سال 1389 تا آخرین روز کاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آماره­های اندازه­گیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد که مدل ANN-GA در شناسایی دستکاری قیمت سهام و طبقه بندی شرکت­ها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل SQDF داشته و خطای بسیار کمتری دارد. [1]. Artificial Neural Networks-Genetic Algorithm [2]. Simplified Quadratic Discriminant Function

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

سنجش دستکاری قیمت ها با استفاده از مدل های تحلیل ممیزی درجه دوم و الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی

در این مقاله از مدل تحلیل ممیزی درجه دوم ) QDF ) 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکهعصبی مصنوعی ) ANN-GA ) 2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شدهاست. در این تحقیق، ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته شده در بورساوراق بهادار تهران انتخاب و اطلاعات مربوط به شاخص های قیمت و بازده نقدی ) TEDPIX (، قیمت پایانی،نوسان قیمت پایانی و...

full text

بررسی مقایسه ای بین مدل ترکیبی الگوریتم ژنتیک- شبکه عصبی مصنوعی (ann-ga) و مدل تابع تفکیکی درجه دوی تعدیل شده (sqdf) برای شناسایی دستکاری قیمت سهام . در شرکت های پذیرفته شده در بورس اوراق بهادار تهران

پژوهش حاضر به بررسی و شناسایی دستکاری قیمت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. این پژوهش مدل ترکیبی از الگوریتم ژنتیک ( ga) و شبکه عصبی مصنوعی ( ann) را برای شناسایی دستکاری قیمت سهام ارائه داده و نتایج آن را با نتایج مدل تابع تفکیکی درجه دوی تعدیل شده ) (sqdf مقایسه کرده است. در مدل ترکیبی الگوریتم ژنتیک_شبکه عصبی مصنوعی ( ann-ga) ابتدا داده های مربوط به 316 شر...

پیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی

هدف از این مقاله ارزیابی الگوی ترکیبی شبکه­های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران می­باشد. برای این منظور، از داده­های سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدل­های پیش­بینی و از داده­های سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدل­های پیش­بینی استفاده شد. در پایان به منظور مقایسه نتایج پیش­بینی مدل ترکیبی...

full text

پیش‌بینی روند تغییرات قیمت سهام با به‌کارگیری شاخص‌های تحلیل تکنیکی و استفاده از روش ترکیبی الگوریتم ژنتیک و شبکه عصبی مصنوعی: مطالعه موردی سهام ایران خودرو

همواره پیش‌بینی دقیق روند بازار سهام برای تصمیم‌گیری‌های مالی سرمایه‌گذاران مهم بوده است. استفاده از مجموعه‌ای از شاخص‌های تحلیل تکنیکی یکی از پرکاربردترین روش‌های پیش‌بینی‌های مالی است. تعیین پارامترهای مناسب این شاخص‌ها و همچنین ترکیب آن‌ها یکی از چالش‌های پژوهشگران است. از طرف دیگر، ماهیت غیرخطی و پویای تغییرات در روند بازار سهام موجب استفاده گسترده از روش‌های پیش‌بینی غیرخطی همچون شبکه عصبی...

full text

پیش‌بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی

خشکسالی به‌عنوان یکی از مهم‌ترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن به‌منظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت آن، طراحی سیستم‌های پیش‌بینی خشکسالی است که بتوان اثرات مخرب ناشی از آن را به حداقل رساند. به این منظور در این تحقیق...

full text

مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی

ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 4  issue 3

pages  149- 171

publication date 2016-11-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023