مقایسه بدعت پیش بینی قیمت سهام با استفاده از روش آموزش الگوریتم لانه زنبور در شبکه های عصبی مصنوعی
Publish place: Third International Conference on Accounting and Management
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 415
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:
MOCONF03_367
تاریخ نمایه سازی: 16 اسفند 1394
Abstract:
پیش بینی آینده در عرصه پویایی اقتصاد و بازارهای مالی از جمله بازار سرمایه به یکی از مهم ترین مسائل در علوم مالی ارتقا یافته است. روش ها و تکنیک های مختلفی برای پیش بینی قیمت آتی سهام وجود دارد که یکی از این روش ها، تحلیل بنیادی می باشد. هدف از انجام این تحقیق مقایسه دقت پیش بینی قیمت سهام با استفاده از روش آموزش الگوریتم لانه زنبور در شبکه های عصبی پرسپترون چند لایه و تابع پاییه شعاعی، با استفاده از تحلیل بنیادین می باشد. در این تحقیق سعی شد و شناخت عوامل مختلفی که در تحلیل بنیادین و قیمت سهام اثر می گذارند به پیش بینی قیمت سهام با استفاده از روش آموزش الگوریتم لانه زنبور در شبکه های عصبی مصنوعی MLP و RBF پرداخته شود. در این تحقیق، از الگوی شبکه عصبی مصنوعی برای افزایش اثر بخشی، کاهش هزینه و زمان روش تحلیل بنیادین استفاده شد. بدین منظور به گونه ای متشکل از 182 شرکت در طی یک دوره هشت ساله (1٬385 - 1٬392) از شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شد و مورد بررسی قرار گرفتند. نتایج، نشان دهنده بدعت خود مدل سازی پیش بینی قیمت سهام در بورس اوراق بهادار می باشد همچنین مقایسه دقت الگوریتم لانه زنبور در پیش بینی قیمت سهام در دو شبکه عصبی مذکور بیانگر بدعت بالاتر الگوریتم لانه زنبور پر شبکه عصبی پرسپترون چند لایه است.
Keywords:
Authors
مهدی سلیم
کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی واحد زاهدان
زهره حاجیها
استادیار دانشگاه آزاد اسلامی واحد تهران شود، گروه حسابداری 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 :