آزمون عملکرد الگوریتم جنگل های تصادفی و الگوریتم شبکه عصبی عمیق در استراتژی آربیتراژ آماری

طراحی مدل برای آربیتراژ آماری سهام با استفاده از شبکه‌های عصبی عمیق، جنگل‌های تصادفی و درخت‌‌های با شیب تقویت‌شده

آربیتراژ آماری، استراتژی‌ رایج سرمایه‌گذاری در بازارهای ناکاراست که نسبت به بازار خنثی بوده و بدون نیاز به سرمایه اولیه از هر دو جهت بازار کسب سود می‌کند. این تحقیق برآن است تا ضمن طراحی مدل‌های مناسب برای آربیتراژ آماری سهام با استفاده از الگوریتم شبکه‌های عصبی عمیق، جنگل‌های تصادفی، درخت با شیب تقویت شده و ترکیب ساده این مدل‌ها، به تحلیل و بررسی بازده و ریسک مدل‌های طراحی شده بپردازد. بدین من...

تنظیم و کاربرد الگوریتم جنگل تصادفی در ارزیابی ژنومی

One of the most important issues in genomic selection is using a decent method for estimating marker effects and genomic evaluation. Recently, machine learning algorithms which are members of non-parametric and non-linear methods have been extended to genomic evaluation. One of these methods is Random Forest (RF) on which this research was focused. Important parameters in RF algorithm are the n...

ترکیب شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش‌بینی سود هر سهم

پیش‌بینی سود هر سهم از اهمیت فراوانی برای سرمایه‌گذاران و مدیران داخلی شرکت‌ها برخوردار است. بررسی پژوهش‌های قبلی حاکی از این بوده است که در اکثر آن‌ها، به فرضیه وجود رابطه غیرخطی میان سود وعوامل تعیین‌کننده آن توجه نشده است. این در حالی است برخی از پژوهشگران نشان داده‌اند که رابطه میان سود و عوامل تعیین‌کننده آن خطی نیست. به همین دلیل و همچنین نقش محوری سود هر سهم در تصمیمات سرمایه‌گذاران، با ...

آزمون آربیتراژ آماری در بورس اوراق بهادار تهران

آربیتراژ آماری یکی از روش‌های متداول کسب سود از بازار سرمایه توسط سرمایه‌گذاران حرفه‌ای است که در دهه اخیر وارد متون علمی اقتصاد مالی نیز شده است. هدف این مقاله، تشریح مفهوم و مصادیق آربیتراژ آماری و آزمون قابلیت کاربرد آن در بازار سرمایه کشور است. بر این اساس، ابتدا مفهوم آربیتراژ آماری ارائه می‌شود و در ادامه پس از مرور مطالعات داخلی قبل روش‌ آزمون آربیتراژ آماری و بررسی تجربی آن بر مبنای مشا...

تنظیم و کاربرد الگوریتم جنگل تصادفی در ارزیابی ژنومی

یکی از مباحث مهم در انتخاب ژنومی، استفاده از روشی مناسب برای برآورد اثر نشانگرها و ارزیابی ژنومی است. اخیراً روش­های یادگیری ماشین1 که جزو روش­های ناپارامتری غیرخطی هستند وارد ارزیابی ژنومی شده­اند. یکی از این روش­ها الگوریتم جنگل تصادفی2 است که این تحقیق روی نحوه تنظیم این روش متمرکز شده است. پارامترهای مهم در الگوریتم جنگل تصادفی به ترتیب اهمیت، تعداد متغیر انتخاب شده در هر گره درخت3، تعداد در...

کاربرد شبکه های عصبی و الگوریتم های ژنتیک در پیشبینی و بهینه سازی فرآیند نمک زدایی