مقایسه کارآیی مدلهای رگرسیون با رویکرد تحلیل مولفههای اصلی (PCA) وشبکههای عصبی مصنوعی درپیشبینی بازده غیرعادی
Publish place: Journal of Asset Management and Financing، Vol: 4، Issue: 1
Publish Year: 1395
Type: Journal paper
Language: Persian
View: 269
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_AMF-4-1_001
Index date: 11 October 2021
مقایسه کارآیی مدلهای رگرسیون با رویکرد تحلیل مولفههای اصلی (PCA) وشبکههای عصبی مصنوعی درپیشبینی بازده غیرعادی abstract
بسیاری از پژوهشها در علم مالی بر پیشبینی دقیق بازده شرکتها با در نظر داشتن ریسک سرمایهگذاری در سهام آنها تمرکز داشتهاند. هدف این پژوهش،بررسی امکان توضیح بازده غیرعادی(تفاوت بازده مورد انتظار حاصل از مدل قیمتگذاری داراییهای سرمایهای و بازده واقعی) بااستفاده ازنسبتهای مالی وانتخاب ابزاربهتر برای پیشبینی آن از بین دومدل رگرسیون چندگانه با رویکرد تحلیل مولفههای اصلی (PCA) وشبکههای عصبی مصنوعی(ANN) است. بر این اساس توانایی مدل شبکههای عصبی مصنوعی پیشخور با الگوریتم پسانتشار خطا (BPN) در پیشبینی برون نمونهای بازده غیرعادی سهام مورد معامله در بورس اوراق بهادار تهران در سالهای ۱۳۸۴ تا ۱۳۹۱ به طور معناداری بیشتر از توانایی رگرسیون خطی با رویکرد تحلیل مولفههای اصلی بوده است.
مقایسه کارآیی مدلهای رگرسیون با رویکرد تحلیل مولفههای اصلی (PCA) وشبکههای عصبی مصنوعی درپیشبینی بازده غیرعادی Keywords:
بازده غیرعادی سهام , شبکه های عصبی مصنوعی , رگرسیون خطی با تحلیل مولفه های اصلی (PCA) , پیش بینی برون نمونه ای
مقایسه کارآیی مدلهای رگرسیون با رویکرد تحلیل مولفههای اصلی (PCA) وشبکههای عصبی مصنوعی درپیشبینی بازده غیرعادی authors
رضا راعی
دانشیار دانشگاه تهران
مهدی بستان آراء
دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :