ارزیابی پیش بینی پذیری قیمت سهام با استفاده از شبکه های عصبی فازی در بورس تهران
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 186
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_QJFEP-5-17_005
Index date: 7 July 2024
ارزیابی پیش بینی پذیری قیمت سهام با استفاده از شبکه های عصبی فازی در بورس تهران abstract
فعالان بورس برای تصمیمگیری در بازارهای مالی و کسب حداکثر بازدهی نیازمند ابزارهای پیشرفته و کاربردی هستند تا با دقت مناسب به پیش بینی بپردازند. در این راه ضروری است ارزیابی پیشبینیها متناسب با حوزهی مالی انجام شود. این مقاله برای دستیابی به این هدف قیمت سهام پنجاه شرکت بورس تهران را با استفاده از شبکه های عصبی فازی پیشخور مدلسازی کرده است. همچنین با استفاده از سیستم کنترلگر انفیس، مدل شبکه عصبی در هر تکرار کنترل می شود. برای انجام محاسبات از قیمت های روزانه سهام شرکت های بورسی از آذر ۱۳۸۴ تا آذر ۱۳۹۴ استفاده شده است. دقت پیش بینی ها نیز ابتدا بر مبنای چهار شاخص های معتبر آماری ارزیابی گردید. سپس با استفاده از روش نرخ برخورد، صحت پیش بینیها ارزیابی شده است. نتایج نشان میدهد دقت پیش بینی شبکه های عصبی فازی بسیار بالاست؛ همچنین در برخی موارد با وجود اینکه پیش بینی مربوط به یک سهم دارای دقت بالاتری دارد، از صحت پایین تری برخوردار است؛ لذا برآورد صحت پیشبینیها در ارزیابی پیشبینیها سهمی تاثیرگذار دارد؛ از این رو پیشنهاد میشود در انجام و ارزیابی مدل های پیش بینی علاوه بر توجه به خطاهای آماری مرسوم از روشهای کیفی ارزیابی صحت پیش بینیها نظیر معیار نرخ برخورد استفاده شود.
ارزیابی پیش بینی پذیری قیمت سهام با استفاده از شبکه های عصبی فازی در بورس تهران Keywords:
Neural Networks , Prediction , Stock Return , Tehran Stock Exchange , شبکه های عصبی مصنوعی , پیش بینی , بازده قیمت سهام , بورس تهران
ارزیابی پیش بینی پذیری قیمت سهام با استفاده از شبکه های عصبی فازی در بورس تهران authors
سید جلال صادقی شریف
دانشگاه شهید بهشتی
سجاد فرازمند
دانشگاه شهید بهشتی
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 :
