پایان‌نامه

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از انفیس

چکیده

هدف اصلی این تحقیق بررسی پیش بینی پذیری شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران به کمک انفیس و یافتن مدل مناسب برای پیش بینی شاخص بورس اوراق بهادار تهران (تدپیکس) است. بدین منظور نخست سه متغیر کلان اقتصادی به همراه مقادیر تاریخی شاخص تدپیکس به عنوان ورودی های مدل انتخاب شدند؛ سپس ساختارهای گوناگون انفیس و شبکه عصبی مصنوعی پس انتشار خطا برای برسی پیش بینی پذیری و شناسایی مدل مناسب بررسی گردید. برای بررسی عملکرد مدل ها و بررسی وجه اقتصادی پیش بینی ها، علاوه بر روش های آماری از روش غیر آماری نرخ برخورد نیز استفاده شد. نتایج حاصل از پیش بینی شاخص بورس تهران در بازه زمانی آذرماه 1379 تا مهر 1391 و با استفاده از نرم افزار matlab (2012) و معیارهای خطای آماری و غیر آماری نشان می دهد: با توجه به معیارهای خطای آماری، غیر آماری و همچنین ضریب تعیین بیش از 80 درصد، عملکرد انفیس نسبت به شبکه های عصبی مصنوعی پس انتشار خطا بهتر است. بر این اساس، انفیس تکنیکی امیدوارکننده برای پیش بینی شاخص بازده کل بورس اوراق بهادار تهران است و استفاده از ساختارهای ساده تر علاوه بر مزیت سادگی و سرعت، دارای دقت بالاتر هستند.

اساتید راهنما و مشاور

اصغر مشبکی اصفهانی، اسدالله کرد نائیج

اسناد مشابه

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از انفیس

    مقالهمدیریت دارایی و تأمین مالیسجاد فرازمند، دانشگاه تربیت مدرس اسدالله کردنائیج، دانشگاه تربیت مدرس اصغر مشبکی، دانشگاه تربیت مدرس

    هدف اصلی این تحقیق بررسی پیش بینی پذیری شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران به کمک انفیس و یافتن مدل مناسب برای پیش بینی شاخص بورس اوراق بهادار تهران (تدپیکس) بوده است. بدین منظور، نخست سه متغیر کلان اقتصادی به همراه مقادیر تاریخی شاخص تدپیکس به عنوان ورودی های مدل انت

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۰۵فصلنامه علمی-پژوهشی بررسیهای حسابداری وحسابرسیحسنعلی سینائی، سعیدال..... مرتضوی، یاسر تیموری اصل

    پژوهش حاضر به مطالعه پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران به وسیله شبکه های عصبی و ارایه ی شواهدی مبنی بر رفتار آشوبناک شاخص قیمت در بورس اوراق بهادار می پردازد. دو مجموعه از داده ها برای ورودی شبکه عصبی انتخاب شده اند. وقفه های مختلفی از شاخص و عوامل کلان اقتصادی ب

  • الگـوسازی و پیش بینی شاخـص بورس اوراق بـهادار تـهران و تعیین متغیرهای مؤثر بر آن

    مقالهپژوهش ها و سیاست های اقتصادیمحسن مهرآرا، mohsen mehrara faculty of economics, university of tehranدانشیار دانشکده اقتصاد، دانشگاه تهران علی معینی، ali moeini department of algorithms and computation, university of tehran,دانشیار دانشکده فنی، دانشگاه تهران مهدی احراری، mehdi ahrari ma, researcherپژوهشگر مؤسسه تحقیقات اقتصادی دانشگاه تهران امیر هامونی

    در این مقاله با الگوسازی و پیش بینی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران مبتنی بر ساختار تلفیقی الگوریتم ژنتیک با رویکرد شبکه عصبی gmdh، سعی در شناخت متغیرهای مؤثر بر شاخص بورس اوراق بهادار شده است. یازده متغیر کلان اقتصادی مرتبط با بازار سرمایه به همراه وقفه های یک و د

  • پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

    مقالهمدیریت بهره وری

    اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های 3arima هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموف

  • پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

    مقالهراهبرد مدیریت مالیرضا راعی، عضو هیئت علمی دانشگاه تهران علی نیکعهد، دانشجو مصطفی حبیبی، دانشجو

    پیش­بینی نوسان های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان ب

  • پیش بینی شاخص بورس اوراق بهادار تهران با ترکیب روشهای آنالیز مولفه های اصلی، رگرسیون بردارپشتیبان و حرکت تجمعی ذرات

    مقاله۲۰۱۷راهبرد مدیریت مالیرضا راعی، علی نیکعهد، مصطفی حبیبی

    پیش­بینی نوسان‌های آینده شاخص سهام می­تواند اطلاعاتی در مورد روند آینده بازار سرمایه فراهم نماید. در این پژوهش، به منظور افزایش دقت پیش­بینی شاخص بورس اوراق بهادار تهران، ترکیبی از روش­های آماری و هوش مصنوعی به کار رفته است. مدل اصلی پیش­بینی در این پژوهش، رگرسیون بردار پشتیبان ب