پیش‌بینی رفتار بازار سهام بر اساس شبکه‌های عصبی مصنوعی با رویکرد یادگیری جمعی هوشمند

نویسندگان

  • بهروز مینایی دانشجوی دکتری مهندسی فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران
  • محمد تقی فقیهی نژاد دانشیار گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه علم وصنعت ایران، تهران، ایران
چکیده مقاله:

هدف: پیش‌بینی دقیق بازار سهام برای معامله‌گران این بازار ارزشمند است. پیش‌بینی سری‌های زمانی مالی از دسته مسائل چالشی و مهم در پیش‌بینی است و پژوهشگران تلاش می‌کنند که الگوهای پنهان را برای پیش‌بینی آینده بازار سهام استخراج کنند. هدف این مقاله ارائه یک مدل هوشمند برای پیش‌بینی رفتار بازار سهام است. روش: این مقاله، برای افزایش دقت از مدلی بر مبنای الگوریتم‌های یادگیری جمعی با مدل‌های پایه شبکه‌های عصبی استفاده می‎کند. برای در نظر گرفتن جهت تغییر قیمت در پیش‌بینی، ساختار دومرحله‌ای به‎کار رفته است. در مرحله نخست، جهت بعدی حرکت قیمت سهام (افزایش یا کاهش) پیش‌بینی شده و از آن برای پیش‌بینی قیمت در مرحله دوم استفاده شده است. یافته‎ها: دقت نتایج و افزایش بازده پیش‌بینی، مهم‌ترین چالش مدل‌های پیشنهادشده در بازار سهام به‎شمار می‎رود. نکته مهم برای سودآوری معاملات، توجه به جهت تغییر قیمت سهام در پیش‌بینی قیمت آن است که در مدل‌های پیش‌بینی‌ به این موضوع توجه کمتری شده است. مدل پیشنهادی با استفاده از روش‌های مبتنی بر هوش مصنوعی نشان می‎دهد که پیش‌بینی رفتار بازار سهام با وجود ماهیت نوسانی و ناپایدار آن، امکان‎پذیر است. نتیجه‎گیری: نتایج معیارهای ارزیابی روی داده‌های واقعی قیمت سهام نشان می‌دهد مدل پیشنهاد شده در مقایسه با سایر روش‌ها، با دقت بیشتری می‌تواند بر نوسان‎های بازار غلبه کرده و به‌عنوان روش قابل ‌اطمینان و عملی در بازارهای سهام به‎کار گرفته شود.  

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

متن کامل

پیش بینی رفتار مشتریان با استفاده از تکنیک شبکههای عصبی مصنوعی

امروزه روش های کمی، به یکی از مهم ترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاریهای کلان در بازارها تبدیل شده اند. دقت پیش بینی، یکی از مهم ترین فاکتورهای انتخاب روش پیش بینی است؛ شبکه های عصبی مصنوعی، برنامه های کامپیوتری منعطفی هستند که در سطح گسترده ای برای پیش بینی، با درجه بالایی از دقت به کار برده می شوند. امروزه میتوان با استفاده از تکنیک های داده کاوی و شبکه های عصبی به بررسی و ...

متن کامل

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

متن کامل

تاثیر سرمایه گذاران مومنتوم بر رفتار بازار سهام بر اساس مدل

در این مطالعه به دو گروه از سرمایه گذاران یعنی سرمایه گذاران تصادفی و سرمایه گذاری مومنتوم توجه شده است. سرمایه گذاران تصادفی به کسانی گفته می شود که همیشه بصورت تصادفی خرید و فروش سهام انجام می دهند در حالی که سرمایه گذاران مومنتوم براساس یک آستانه عمل که آخرین حرکت قیمتی را ارزیابی می کند ،می توانند خرید یا فروش انجام دهند یا غیر فعال باشند.در این تحقیق داده های شبیه سازی شده با نرم افزار مطل...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 10  شماره 2

صفحات  315- 334

تاریخ انتشار 2018-06-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023