پیش بینی بازده بازار سرمایه با استفاده از الگوی یادگیری الگوریتم لورنبرگ مارکوات, گرادیان نزولی و الگوی آریما (ARIMA)
عنوان مقاله: پیش بینی بازده بازار سرمایه با استفاده از الگوی یادگیری الگوریتم لورنبرگ مارکوات, گرادیان نزولی و الگوی آریما (ARIMA)
شناسه ملی مقاله: JR_FEJ-11-44_017
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_FEJ-11-44_017
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
مهدی اشعریون قمی زاده - گروه حسابداری، واحد دماوند، دانشگاه آزاد اسلامی، دماوند، ایران
محمد محمودی - گروه حسابداری، واحد فیروزکوه, دانشگاه آزاد اسلامی، فیروزکوه, ایران
خلاصه مقاله:
مهدی اشعریون قمی زاده - گروه حسابداری، واحد دماوند، دانشگاه آزاد اسلامی، دماوند، ایران
محمد محمودی - گروه حسابداری، واحد فیروزکوه, دانشگاه آزاد اسلامی، فیروزکوه, ایران
پژوهش حاضر بر اساس ارزیابی الگوی یادگیری الگوریتم لورنبرگ مارکوات، گرادیان نزولی و الگوی آریما به مقایسه و توانایی پیشبینی کنندگی در بازار سرمایه میپردازد. بدین منظور دادههای بازار در سالهای 1394 تا 1397 مورد استفاده قرار گرفت و بیش از 75 درصد از این دادهها تا قبل از سال 1397 به عنوان دادههای آموزشی استفاده شد و دادههای یک سال پایانی نیز به عنوان دادههای آزمایشی مورد استفاده قرار گرفته شده است. نتایج تحقیق نشان دادهاند، شبکههای عصبی مصنوعی ظرفیت بالایی برای پیشبینی قیمت دارند. مقایسه نتایج و عملکرد شبکههای عصبی و الگوی آریما (ARIMA) حاکی از آن است که شبکه عصبی قدرت پیشبینی بالاتری در مقایسه با الگوی خطی آریما (ARIMA) دارد، همچنین مقایسه عملکرد و دقت پیشبینی دو نوع شبکه عصبی با الگوریتم یادگیری لونبرگ مارکوارت و الگوریتم یادگیری گرادیان نزولی نشان داد که استفاده از الگوریتم یادگیری لونبرگ مارکورات توانسته است دقت پیشبینی شبکه عصبی را افزایش داده و خطای آن را کاهش دهد، بنابراین بر پایه پژوهش انجام شده میتوان چنین نتیجه گرفت که الگوریتم یادگیری لونبرگ مارکوارت قدرت پیشبینی شبکه عصبی را بهبود میبخشد.
کلمات کلیدی: پیش بینی بازده بازار سرمایه، الگوریتم لورنبرگ مارکوات, گرادیان نزولی و الگوی آریما (ARIMA)
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1146658/