پیش بینی قیمت سهام با استفاده از برنامه ریزی ژنتیک

thesis
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.

Already have an account?login

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 text

پیش 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 text

پیش 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 text

پیش 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 text

پیش 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 text

پیش 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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023