پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده
Publish place: Financial Research Journal، Vol: 17، Issue: 1
Publish Year: 1394
Type: Journal paper
Language: Persian
View: 325
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JFR-17-1_009
Index date: 9 February 2022
پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده abstract
سقوط بازار پدیدهای است که سبب از دست رفتن ثروت و دارایی سرمایهگذاران در بازه زمانی نسبتا کوتاهی میشود، از این رو تلاش برای پیشبینی آن از اهمیت زیادی برای سرمایهگذاران، سیاستگذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوریها و مدلهای ارائهشده پیشبینی سقوط در بازار سهام نشان میدهد میان پژوهشگران درباره الگوهای مشاهدهشده متغیرها، مانند حجم معامله، بازدهها، نوسانپذیری، عوامل بنیادی، شاخصهای رفتاری و غیره در بازارهای سهام پیش از وقوع سقوط، اتفاق نظری وجود ندارد. یکی از روشهای بسیار مناسب پیشنهادشده برای یافتن الگوهایی که در دادههای شبکههای عصبی وجود دارد، نگاشت خودسازمانده است که روشی ناپارامتریک و غیرخطی محسوب میشود. در این پژوهش با استفاده از شبکههای عصبی نگاشت خوسازمانده، روشی برای پیشبینی سقوط در بازار سهام ایران ارائه شده است. نتایج اجرای مدل و پیشبینی بروننمونهای حاکی از این است که مدل عملکرد بهنسبت قابل قبولی را در پیشبینی دورههای پیش از سقوط در بازار سهام بهدست آورده است.
پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده Keywords:
پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده authors
آرش محمد علی زاده
دکتری مدیریت مالی، دانشگاه تهران، تهران، ایران
رضا راعی
استاد گروه مدیریت مالی، دانشگاه تهران، تهران، ایران
شاپور محمدی
دانشیار گروه مدیریت مالی، دانشگاه تهران، تهران، 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 :