Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > مقالات و اسلاید ها > مقالات و اسلایدهای فارسی مرتبط با هوش مصنوعی


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۴-۲۴-۱۳۸۹, ۰۶:۰۴ بعد از ظهر   #1 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Wink پیش بینی بازده سهام در بورس اوراق بهادار تهران: مدل شبکه های عصبی مصنوعی و مدل چند عا

پیش بینی بازده سهام در بورس اوراق بهادار تهران: مدل شبکه های عصبی مصنوعی و مدل چند عاملی

کلمات کلیدی :
بازده سهام، پيش بيني ، مدل چند عاملي، شبكه هاي عصبي مصنوعي،Stock Return Behavior،Prediction،Arbitrage Pricing Theory (APT)،Artificial Neural Networks


چکیده:
اين تحقيق به پيش بيني پذيري رفتار بازده سهام در بورس اوراق بهادار بوسيله مدل خطي عاملي و شبكه هاي عصبي مصنوعي مي پردازد. جهت آزمون اين مساله، قيمت روزانه سهام شركت توسعه صنايع بهشهر به عنوان نمونه انتخاب شده است. متغيرهاي مستقل (ورودي هاي) تحقيق، پنج متغير كلان اقتصادي، يعني شاخص كل قيمت بورس تهران، نرخ ارز (دلار) در بازار آزاد، قيمت نفت، قيمت طلا مي باشد. براي برازش مدل عاملي از رگرسيون خطي چند متغييره و براي مدل شبكه عصبي از معماري (MLP) با الگوريتم آموزش پس انتشار خطا استفاده شده است. نتايج حاصله حاكي از موفقيت اين دو مدل در پيش بيني رفتار بازده سهام مورد نظر و همچنين برتري عملكرد شبكه هاي عصبي مصنوعي بر مدل چند عاملي مي باشد.

چکیده (انگلیسی):


Prediction is a key element for decision-making. The information produced by forecasting systems is used in decision-making process. Prediction models can be classified in quantitative and qualitative models based on the level of using mathematical and statistical methods. Prediction in a financial field especially in the case of security pricing is vitally important. The issue of security price behavior and financial asset pricing has been always interesting for investors and academics since the formation of financial markets. Through study and review of available papers in finance, four different approaches are recognizable toward stock price behavior: 1-Technical approach 2-Fundamental approach 3-Modern financial theories approach 4-Chaos and non-linear dynamic approach This research is about predictability of stock price behavior by APT model and Artificial Neural Networks (ANNs) in Tehran Stock Exchange. In order to test our hypothesis, daily stock price of Toseaeh Sanayea Behshar Co. has been selected as a sample. Independent variables consist of five macroeconomic variables, namely, Tehran Exchange Price Index (TEPIX), Foreign exchange rate (Rial / $) ,oil price, gold price and CPI as inflation rate We used multi-factor regression for modeling APT model and perceptron architecture with three hidden layers by back propagation algorithm for AANs model. In order to evaluate the performance of two models, Mean Absolute Deviation (MAD), Mean Square Error (MSE), Mean Absolute Percentage Error (MAPE), Root Mean square Error (RMSE) and coefficient of determination and comparative test of mean error of two models have been used. The results confirm our hypotheses and show better performance for ANNs.
فايل ضميمه
نوع فايل: pdf 52213844103.pdf (357.0 كيلو بايت, 606 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
Solsal (۰۴-۱۲-۱۳۹۰)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۵:۳۷ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design