بررسی عملکرد شبکه عصبی بیزین و لونبرگ مارکوات در مقایسه با مدلهای کلاسیک در پیشبینی قیمت سهام شرکتهای سرمایهگذاری
Publish place: Financial Research Journal، Vol: 19، Issue: 2
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 190
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-19-2_006
تاریخ نمایه سازی: 20 بهمن 1400
Abstract:
پیش بینی دقیق قیمت سهام، با توجه به نوسانهای زیاد و ریسک ذاتی بازار سرمایه، یکی از دغدغه های اصلی سرمایهگذاران و تحلیلگران مالی است، از این رو بهکارگیری رویکردهای نوین پیش بینی قیمت سهام ضرورت اجتنابناپذیری است. بر این اساس، هدف تحقیق حاضر، مقایسه عملکرد مدل های پیشبینی شبکه عصبی با مدل های کلاسیک و معرفی مدل مناسب برای پیش بینی قیمت روز آتی سهام است. برای طراحی مدل پیش بینی با شبکه عصبی، از داده های قیمت روزانه بازار و شاخص های تکنیکی مالی بهعنوان متغیرهای ورودی استفاده شد و برای طراحی مدل آریما، داده های قیمت بستهشدن روزانه بهعنوان متغیر ورودی و همچنین قیمت بستهشدن روز آتی بهعنوان متغیر خروجی هر دو مدل در دوره زمانی ۱۳۹۰ تا ۱۳۹۳ در نظر گرفته شد. نتایج بهدست آمده با شبکه عصبی بیزین بیانکننده خطای کمتر و قدرت پیشبینی بیشتر آن در مقایسه با مدل آریما است. یافته های تحقیق گویای کارایی بیشتر شبکه عصبی بیزین در استفاده از فرصت های سرمایه گذاری کوتاهمدت بازار است که می تواند به سرمایه گذاران در انتخاب پرتفوی مناسب و کسب بازده بیشتر کمک کند.
Keywords:
Authors
حسین فخاری
دانشیار گروه حسابداری، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، ایران
محمد ولی پور خطیر
استادیار گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران
سیده مائده موسوی
کارشناس ارشد حسابداری،، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران
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 :