سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی شاخص بازدهی بورس اوراق بهادار تهران: کاربردی از مدل های شبکه عصبی مبتنی بر الگوریتم ژنتیک

Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,291

This Paper With 19 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

CFMA03_115

Index date: 6 June 2015

پیش بینی شاخص بازدهی بورس اوراق بهادار تهران: کاربردی از مدل های شبکه عصبی مبتنی بر الگوریتم ژنتیک abstract

اساساً پیش بینی متغیرهای اقتصادی، از کاربرد وسیعی در برنامه ریزی و سیاست گذاری های اقتصادی از یک سو و نیز سرمایه گذاری بخش های مختلف از سوی دیگر، برخوردار است. همچنین، یکی از مهمترین اهداف مدل سازی های اقتصادی، پیش بینی آتی متغیرهای اقتصادی بوده و بالطبع قدرت این مدل ها بر اساس صحت پیش بینی شان مورد ارزیابی قرار می گیرند. در این بین، عملکرد روش های سنتی پیش بینی از قبیل تجزیه و تحلیل سری زمانی، با تردیدهایی مواجه گردیده و روش های نوینی همانند روش شبکه عصبی مصنوعی، توانایی بالقوه ی خوبی جهت پیش بینی سری های زمانی از خود نشان داده و کاربردهای فراوانی یافته اند. بنابراین، این پژوهش با هدف بررسی مدل های شبکه عصبی مبتنی بر الگوریتم ژنتیک (GMDH) جهت پیش بینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته و به منظور ارزیابی قدرت عملکرد پیش بینی این مدل از یک مدر رگرسیونی سنتی (ARIMA) اوراق بهادار تهران صورت پذیرفته و به منظور ارزیابی قدرت عملکرد پیش بینی این مدل از یک مدل رگرسیونی سنتی (ARIMA) نیز استفاده شده است. داده های مورد استفاده در این پژوهش به صورت روزانه و مشتمل بر بازده زمانی بهمن 1388 الی دی ماه 1390 بوده که شامل 461 مشاهده می باشد. در این راستا، جهت مجزا سازی پیش بینی های داخل نمونه ای و خارج نمونه ای، از تقریباً 90% از مشاهدات (411 مشاهده) جهت تخمین ضرایب مدل و از مابقی جهت انجام پیش بینی خارج از نمونه استفاده شده است. نتایج این پژوهش بیانگر آن است که مدل شبکه ی عصبی مصنوعی مبتنی بر الگوریتم GMDH، درارای عملکرد قابل توجهی در سری بازدهی بورس تهران (در دوره نمونه) داشته و قادر است که پیش بینی های دقیق تری نسبت به مدل ARIMA ارائه دهد.

پیش بینی شاخص بازدهی بورس اوراق بهادار تهران: کاربردی از مدل های شبکه عصبی مبتنی بر الگوریتم ژنتیک Keywords:

پیش بینی شاخص بازدهی بورس اوراق بهادار تهران: کاربردی از مدل های شبکه عصبی مبتنی بر الگوریتم ژنتیک authors

قدرت الله امام وردی

استادیار اقتصاد دانشگاه آزاد اسلامی واحد تهران مرکز

غلامحسین غلامی

استادیار آمار دانشگاه ارومیه

مرضیه بیگلرپور

کارشناس ارشد برنامه ریزی و تحلیل سیستمهای اقتصادی، دانشگاه آزاد اسلامی واحد تهران مرکز

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 :
تهرانی، رضا و انصاری، حجت‌اله و سارنج، علیرضا (1387)، "بررسی ...
موتمنی، مانی (1388)، "بررسی رابطه‌ی توسعه مالی و رشد اقتصادی ...
منجمعی، سید امیرحسین و ابزری، مهدی و رعیتی‌شوازی، علیرضا (1388)، ...
کشاورزحداد، غلامرضا و صمدی، باقر (1388)، "برآورد و پیش‌بینی تلاطم ...
سعیدی، پرویز (1388)، "بورس و اهمیت ابزارهای مالی"، ماهنامه تدبیر، ...
البرزی، محمود و یعقوب‌نژاد، احمد و مقصود، حسین (1388)، "کاربرد ...
حیدری‌زارع، بهزاد و کردلوئی، حمیدرضا (1389)، "پیش‌بینی قیمت سهام با ...
مشیری، سعید و مروت، حبیب (1385)، "پیش‌بینی شاخص کل بازدهی ...
مشیری، سعید و فروتن، فائزه (1383). "آزمون آشوب و پیش‌بینی ... [مقاله ژورنالی]
مهرآرا، حسن و معینی، علی و احراری، مهدی و هامونی، ... [مقاله ژورنالی]
عباسی‌نژاد، حسین (384 1)، "اقتصادسنجی پیشرفته"، انتشارات دانشگاه تهران. ...
مهدوی، غلامحسین و بهمنش، محمدرضا (1384)، "طراحی مدل پیش‌بینی قیمت ...
آر، بیل و تی، جکسون (1383)، "آشنایی با شبکه‌های عصبی"، ...
زارءنژاد، منصور و فقه مجیدی، علی و رضایی، روح‌الله (1387)، ...
مهرآرا، محسن و بهرادمهر، نفیسه و احراری، مهدی و محقق، ...
ابریشمی، حمید و معینی، علی و مهرارا، محسن و احراری، ... [مقاله ژورنالی]
شرزه‌ای، غلامعلی و احراری، مهدی و فخرائی، حسن (1387)، "پیش‌بینی ...
ابریشمی، حمید و مهرآرا، محسن و احراری، مهدی و میرقاسمی، ...
نوفرستی، محمد، (1387)، "ریشه واحد و همجمعی در اقتصاد سنجی"، ...
مهرآرا، محسن و معینی، علی و احراری، مهدی و هامونی، ... [مقاله ژورنالی]
زمانی، نرجس، 1388، "تحلیل و پیش‌بینی عایدی فروش نفت خام ...
Lemke. F and J.A. Muller. (1997). _ S elf-Organizing Modeling ...
Shu-Heng, C. (2002). Genetic Algorithm and Genetic Programming in Computational ...
Jamali, A., Nariman -zadeh, N., Atashkari, K., (2006), "Inverse Modeling ...
Ivakhnenko .G.A (1995), The Review of Problems Solvable by Algorithms ...
Scott. D.E. and C.E. Hutchinson. (1999), "the GMDH algorithm - ...
Water. P.R, Wibier. E.J, H. Kerckhoffs and H. Koppelaar (1997). ...
Goleusov. I.V and S.A. Kondrasheva (1997). "Comparative Analysis of the ...
Panya. A.S, T.Kondo, T.U. Shah and V.R. Gandhi. (1999). "Prediction ...
Howland. J.C, Voss. M.S. (2003). "Natural Gas Prediction Using the ...
Ivakhnenko. G.A and Muller. J.A. (1996). _ Development of S ...
نمایش کامل مراجع

مقاله فارسی "پیش بینی شاخص بازدهی بورس اوراق بهادار تهران: کاربردی از مدل های شبکه عصبی مبتنی بر الگوریتم ژنتیک" توسط قدرت الله امام وردی، استادیار اقتصاد دانشگاه آزاد اسلامی واحد تهران مرکز؛ غلامحسین غلامی، استادیار آمار دانشگاه ارومیه؛ مرضیه بیگلرپور، کارشناس ارشد برنامه ریزی و تحلیل سیستمهای اقتصادی، دانشگاه آزاد اسلامی واحد تهران مرکز نوشته شده و در سال 1391 پس از تایید کمیته علمی سومین کنفرانس ریاضیات مالی و کاربردها پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله پیش بینی، بورس اوراق بهادار، الگوریتم ژنتیک، مدل GMDH، مدل ARIMA هستند. این مقاله در تاریخ 16 خرداد 1394 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1291 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که اساساً پیش بینی متغیرهای اقتصادی، از کاربرد وسیعی در برنامه ریزی و سیاست گذاری های اقتصادی از یک سو و نیز سرمایه گذاری بخش های مختلف از سوی دیگر، برخوردار است. همچنین، یکی از مهمترین اهداف مدل سازی های اقتصادی، پیش بینی آتی متغیرهای اقتصادی بوده و بالطبع قدرت این مدل ها بر اساس صحت پیش بینی شان مورد ارزیابی ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک و شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله پیش بینی شاخص بازدهی بورس اوراق بهادار تهران: کاربردی از مدل های شبکه عصبی مبتنی بر الگوریتم ژنتیک با 19 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.