پیش بینی قیمت سهام با استفاده از برنامه ریزی ژنتیک
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
- author سمیرا حسن زاده
- adviser علیرضا ناصری
- Number of pages: First 15 pages
- publication year 1388
abstract
پیش بینی جزء لاینفک فرایند تصمیم گیری و کنترل می باشد و از طرفی رابطه مستقیمی با ریسک تصمیم گیری دارد. با توجه به گسترش روز افزون شرکت های سرمایه گذاری در بازارهای مالی، تحقیق در مورد این شرکت ها از اهمیت زیادی برخوردار است. از آنجا که قیمت سهام یکی از مهم ترین عوامل موثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند؛ لذا در این تحقیق سعی شده است مدلی طراحی شود تا بر اساس آن بتوان قیمت سهام شرکت مورد نظر را با دقت بالایی پیش بینی نمود. در این تحقیق از میان شرکت های موجود در بورس اوراق بهادار پنج شرکت شهد ایران، چادرملو، سایپا، اقتصاد نوین و پتروشیمی آبادان انتخاب شده اند. سپس با استفاده از آماره ? متریک پیش بینی پذیری هر یک از شرکت های مورد بررسی، محاسبه شده و با استفاده از برنامه ریزی ژنتیک مدل سازی صورت گرفته است. در مر حله دوم با استفاده از مدل farima-figarch پیش بینی صورت گرفته است. در این میان کم ترین دوره پیش بینی 39 روز و بیشترین آن 52 روز بوده است که دو تا سه ماه کاری در بورس را پوشش می دهند. نتایج حاصل از تحقیق بیانگر کم تر بودن میانگین خطای پیش بینی مدل farima-figarch در 42 درصد موارد، تساوی میانگین خطای پیش بینی دو روش در 27 درصد موارد و بهتر بودن نتایج حاصل از برنامه ریزی ژنتیک در 31 درصد موارد است. بدیهی است که بالاتر بودن درصد موفقیت farima-figarch به gp به معنی خط بطلان کشیدن بر این روش نیست؛ زیرا نتایج حاصل بسیار به هم نزدیک بوده و هر دوی این روش ها از کارایی بالایی در پیش بینی برخوردار بوده اند. همچنین نتایج حاصل از gp بیانگر بهترین مدل در میان صد اجرای صورت گرفته است و به معنی بهترین مدل با استفاده از این روش نیست.
similar resources
پیش بینی شاخص قیمت سهام با استفاده از مدل هیبریدی
پیشبینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیشبینی آن امری دشوار میباشد. از طرفی سریهای زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدلهای هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش...
full textپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
full textپیش بینی مشخصات پرش هیدرولیکی بر روی بستر زبر با استفاده از شبکه عصبی مصنوعی و برنامه ریزی ژنتیک
در تحقیق حاضر مشخصات پرش هیدرولیکی با تحلیل عمق و طول غلتان پرش بر روی بسترهای زبرکه بصورت تابعی از ارتفاع زبری و عدد فرود بالادست میباشد با استفاده از مدل شبکهعصبی و برنامهریزی ژنتیک شبیهسازی گردید. عدد فرود اولیه جریان در محدوده 9/1 تا 10 و زبری نسبی بستر در محدوده 085/0 تا 025/2 قرار داشت. در کل تعداد 454 داده مشاهداتی پرش هیدرولیکی برای آموزش وتست مدل های شبکه عصبی و برنامهریزی ژنتیک (...
full textپیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)
روشهای متعددی همچون مدل سریهای زمانی، شبکههای عصبی مصنوعی، منطق فازی، نرو فازی و برنامهریزی ژنتیک برای پیشبینی جریان رودخانه به کار میرود. در تحقیق حاضر از روش نوین برنامهریزی ژنتیک جهت پیشبینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد. همچنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدلسازی جریان رودخانه ...
full textپیش بینی روند قیمت در بازار سهام با استفاده از الگوریتم جنگل تصادفی
فعالان بورس درصدد دستیابی و به کارگیری روشهایی هستند تا بتوانند با پیشبینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر میرسد که روشهای مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایهگذار قرار گیرد. تاکنون روشهای مختلفی جهت نیل به این هدف معرفی شدهاند که اغلب روشهای آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصا...
full textپیش بینی یک روزه قیمت سهام با استفاده از مدل ترکیبی
پیشبینی بازارهای مالی یکی از سرفصلهای مهم در حوزه مالی و مطالعات پژوهشی است. اهمیت پیشبینی از یک سو و پیچیدگی آن از سوی دیگر باعث شده است که تحقیقات زیادی در این زمینه انجام شود. در این پژوهش از یک روش ترکیبی شامل تبدیل موجک، مدل ARMA-EGARCH و شبکه عصبی مصنوعی برای پیشبینی یک دورهای قیمت سهام در بازارهای ایران و آمریکا استفاده شده است. ابتدا به کمک تبدیل موجک سری زمانی را به چند سری جزئی و...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023