مقایسه دقت پیش بینی قیمت سهام با استفاده از روش آموزش الگوریتم کلونی مورچگان در شبکه های عصبی مصنوعی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 649
This Paper With 21 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:
ICAMIB01_320
تاریخ نمایه سازی: 30 آبان 1394
Abstract:
هدف اصلی در بازارهای سرمایه، پیش بینی روند آینده قیمت ها به منظور اتخاذ استراتژی مناسب جهتخرید یا فروش است.روش ها و تکنیک های مختلفی برای پیش بینی قیمت آتی سهام وجود دارد که یکی ازاین روش ها، تحلیل بنیادی می باشد.هدف از انجام این تحقیق مقایسه دقت پیش بینی قیمت سهام با استفاده ازروش آموزش الگوریتم کلونی مورچگان در شبکه های عصبی (پرسپترون چند لایه و تابع پایه شعاعی) با استفادهاز تحلیل بنیادی می باشد. در این تحقیق سعی می شود با شناخت عوامل مختلفی که در تحلیل بنیادی بر قیمتسهام اثر می گذارد به پیش بینی قیمت سهام با استفاده از روش آموزش الگوریتم کلونی مورچگان در شبکهعصبی مصنوعی MLP و RBF پرداخته شود.در این تحقیق، از الگوی شبکه عصبی مصنوعی برای افزایش اثربخشی، کاهش هزینه و زمان روش تحلیل بنیادی استفاده شد. بدین منظور نمونه ای متشکل از 182 شرکت درطی یک دوره 8 ساله (1385-1392) از شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شد ومورد بررسی قرار گرفتند. نتایج، نشان دهنده دقت خوب مدل سازی پیش بینی قیمت سهام در بورس اوراقبهادار می باشد. هم چنین مقایسه دقت الگوریتم کلونی مورچگان در پیش بینی قیمت سهام در دو شبکه عصبیمذکور بیانگر دقت بالاتر الگوریتم کلونی مورچگان در شبکه عصبی پرسپترون چند لایه است.
Keywords:
Authors
مهدی سلیم
کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی واحدزاهدان ،گروه حسابداری ،زاهدان ، ایران
زهره حاجیها
استادیار دانشگاه آزاد اسلامی واحد تهران شرق، گروه حسابداری، 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 :