پیشبینی روند الگوهای قیمت سهام با استفاده از الگوریتم ژنتیک و دو روش منتخب هوش مصنوعی
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,020
This Paper With 16 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:
CSITM01_473
تاریخ نمایه سازی: 10 شهریور 1393
Abstract:
پیش بینی حرکت شاخص قیمت سهام در پیش بینی سری های زمانی مالی، به عنوان یک کار چالش برانگیز تلقی می گردد. پیش بینی دقیق حرکت قیمت سهام ممکن است برای سرمایه گذاران با سود همراه باشد. با توجه به پیچیدگی اطلاعات بازار سهام، توسعه مدل های کارآمد برای پیش بینی بسیار دشوار است .هدف اصلی این پژوهش را می توان تهیه مدلی پیش بینی کننده، به منظور پیش بینی جهت نزولی یا صعودی بودن قیمت سهام در آینده معرفی نمود. جهت مدل سازی، از الگوریتم ژنتیک برای پیدا کردن متغیرهای بهینه استفاده شده و سایر روش های هوش مصنوعی از جمله K نزدیک ترین همسایگی، درخت تصمیم J48 با شاخص دقت ACC، سطح زیر نمودار (ROC(AUC و شاخص F، برای حل مدل به کار رفته اند، همچنین به مقایسه عملکرد آنها، در پیش بینی جهت حرکت روزانه ی 100 شاخص ملی بورس اوراق بهادار استانبول ،پرداخته می شود .بازه ی جمع آوری داده ها از 1997 الی 2007 می باشد و تعداد کل رکوردهای موجود در این مجموعه شامل 2733 رکورد در روز کاری می باشد . ده شاخص فنی به عنوان ورودی مدل های ارائه شده انتخاب شده اند، سپس با استفاده از الگوریتم ژنتیک شاخص های بهینه انتخاب و پیش بینی مربوط به تغییر جهت حرکت سهام ، مدل سازی شده است . درنهایت با استفاده از درخت تصمیم J48 بهترین عملکرد به دست آمده است.
Keywords:
Authors
رسول نورالسناء
استاد، دانشکده مهندسی صنایع و سیستمها، دانشگاه علم و صنعت
منیر محمودی
کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران جنوب
پریا سلیمانی
استاد یار، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد 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 :