سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 2,371

This Paper With 12 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:

CBCONF01_0909

Index date: 6 September 2016

هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی abstract

پژوهش حاضر به مطالعه پیش بینی اندیکاتورهای RSI و MACD از روش های تکنیکال در بازار سرمایه به وسیله یشبکه ی عصبی و ارائه ی شواهدی مبنی بر رفتار آشوبناک و غیرخطی قیمت سهام در بورس اوراق بهادار می پردازد. اینپژوهش با بیان پیچیدگی داخلی و تنوع ساختار بیرونی سیستم قیمت سهام، به تجزیه و تحلیل اصول پیش بینی سهاممبتنی بر شبکه ی عصبی BP پرداخته و یک مدل پیش بینی بازار سهام با استفاده از شبکه عصبی برگشتی و توپولوژی هایشبکه، اصول تعیین لایه های پنهان، انتخاب و پیش تیمار داده های نمونه و تعیین پارامترهای اولیه ارائه می دهد. با استفادهاز الگوریتم شبکه عصبی، میزان خطای اعتبارسنجی کمترین مقدار می شود تا شرط توقف برقرار شود. آزمایش شبیه سازیبراساس شاخص نماینده ای از بازار بورس تهران (بانک پاسارگاد) از طریق آموزش بر انتخاب نمونه ها و مدل پیش بینی،نشان می دهد که این الگوریتم می تواند در پیش بینی کوتاه مدت و میانمدت نتیجه بهتری نشان دهد.

هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی Keywords:

هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی authors

مریم جعفری

دانشکده ی فنی و مهندسی، گروه برق کنترل، دانشگاه آزاد اسلامی واحد تهران جنوب

زینب فلاح

دانشکده ی مهندسی برق و کامپیوتر، گروه مهندسی کنترل، دانشگاه تبریز

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 :
انواری رسمتی، علی اصغر) 1378.(مدیریت مالی و سرمایه گذاری، طرحان ...
جکسون، تی . و بیل آر) 1380 (آشنایی با شبکه ...
رضا تهرانی، وحید عباسیون، (1387)، "کاربرد شبکه های عصبی مصنوعی ...
داریوش فروغی، حیدر فروغ نزاد، منوچهر میرزایی، (1392)، _ _ ...
Kim, K. J. and Han I. (2000); :Genetic algorithms approach ...
Serletin. A. and Shintani, M. (2003). _ evidence of chaos ...
Moloney, K., Raghavendra, S., (2011): "Testing for Nonlinear Dependence in ...
Pritam R. Charkha , (2008), 2 Stock Price Prediction and ...
, "A hybrid approach based on neural network and genetic ...
A. Rodriguez, (2011), " The Echo state approach to analyzing ...
نمایش کامل مراجع

مقاله فارسی "هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی" توسط مریم جعفری، دانشکده ی فنی و مهندسی، گروه برق کنترل، دانشگاه آزاد اسلامی واحد تهران جنوب؛ زینب فلاح، دانشکده ی مهندسی برق و کامپیوتر، گروه مهندسی کنترل، دانشگاه تبریز نوشته شده و در سال 1395 پس از تایید کمیته علمی اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله شبکه ی عصبی، روش های تکنیکال، روش میانگین متحرک، پیش بینی قیمت سهام هستند. این مقاله در تاریخ 16 شهریور 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2371 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که پژوهش حاضر به مطالعه پیش بینی اندیکاتورهای RSI و MACD از روش های تکنیکال در بازار سرمایه به وسیله یشبکه ی عصبی و ارائه ی شواهدی مبنی بر رفتار آشوبناک و غیرخطی قیمت سهام در بورس اوراق بهادار می پردازد. اینپژوهش با بیان پیچیدگی داخلی و تنوع ساختار بیرونی سیستم قیمت سهام، به تجزیه و تحلیل اصول پیش بینی سهاممبتنی ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله هوشمندسازی روش های تکنیکال (اندیکاتورهای RSI و MACD) میانگین متحرک (MA) در بازار سرمایه با استفاده از شبکه عصبی مصنوعی با 12 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.