بررسی مقایسه ای عوامل پیش بینی کننده بازده سهام در بورس اوراق بهادار تهران و بورس اوراق بهادار نیویورک با رویکرد شبکه عصبی و رگرسیون خطی.
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
- نویسنده علیرضا گرشاسبی
- استاد راهنما محمود یحیی زاده فر شهاب الدین شمس
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
در پژوهش حاضر تلاش شده است به مقایسه قدرت پیش بینی الگوی شبکه های عصبی و تکنیک رگرسیون خطی در پیش بینی بازده سهام در دو بازار بورس اوراق بهادار تهران و بازار بورس اوراق بهادار نیویورک و همچنین مقایسه دو بازار مذکور با بهره گیری از نتایج هر تکنیک پرداخته شود. برای این منظور در گام اول با مطالعه پژوهش های مختلف در این زمینه، به شناسایی عوامل پیش بینی کننده بازده سهام در دوبازار یاد شده پرداخته شد. در گام بعدی، با بهره گیری از تکنیک تحلیل اجرای مستقل، متغیرهای منتخب در گام اول غربال و متغیرهای غیر مرتبط حذف گردیدند. در ادامه، داده-های مربوط به این متغیرها در هر دو روش شبکه های عصبی و رگرسیون خطی وارد، و سپس نتایج حاصل از هر دو روش را در هر بازار با هم مقایسه نمودیم و همچنین با استفاده از نتایج حاصله از هر تکنیک، دو بازار با هم مقایسه گردیدند. با در نظر گرفتن معیار میانگین مجموع مجذور خطاها، نتایج بدست آمده نشان داده است که خطای پیش بینی روش شبکه عصبی هم در بازار بورس اوراق بهادار نیویورک و هم در بازار بورس اوراق بهادار تهران کمتر از روش رگرسیون خطی می باشد؛ به عبارت دیگر قدرت توضیح دهی روش شبکه عصبی از روش رگرسیون خطی در هر دو بازار بیشتر می باشد. همچنین نتایج پژوهش نشان داد که هم تکنیک رگرسیون خطی و هم الگوی شبکه های عصبی، بازار بورس اوراق بهادار نیویورک را بهتر از بازار بورس اوراق بهادار تهران پیش بینی می کنند و تفاوت خطای برآورد بازده سهام از دو الگوی شبکه عصبی و رگرسیون خطی در بازار بورس اوراق بهادار نیویورک کمتر از تفاوت خطای برآورد بازده سهام از دو الگوی شبکه عصبی و رگرسیون خطی در بازار بورس اوراق بهادار تهران می باشد
منابع مشابه
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023