مدل سازی بازار و پیش بینی قیمت سهام با استفاده از سیستم عصبی فازی تطبیقی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,425
- Certificate
- I'm the author of the paper
Export:
Document National Code:
AEFMC02_094
Index date: 4 December 2016
مدل سازی بازار و پیش بینی قیمت سهام با استفاده از سیستم عصبی فازی تطبیقی abstract
در این مقاله یک سیستم فازی عصبی بر مبنای روش کنترل و استنتاج فازی عصبی تطبیقی ANFIS جهت مدل سازی و پیش بینی قیمت سهام به کمک نرم افزار MATLAB 2012 پیشنهاد می شود. سپس روش پیشنهادی بر روی یک مجموعه داده نمونه پیاده سازی و شبیه سازی می شود. در تعیین قوانین استنتاجی شبکه فازی عصبی تطبیقی و ورودی های مدل فرآیند بازار سهام از مطالعات مقایسه ای مجموعه های داده جهت حداقل سازی ریشه میانگین مربعات خطا RMSE در پیش بینی قیمت روز آینده استفاده می شود. جهت فازی سازی ورودی های سیستم شبکه عصبی فازی تطبیقی از توابع عضویت گاوسی زنگوله ای و مثلثی برای داشتن حداقل RMSE بهره گرفته شده است. قلمرو زمانی تحقیق 7 ساله و از 1388 تا 1394 می باشد.متغیرهای تحقیق شامل قیمت سهام، بالاترین قیمت سهام، پایین ترین قیمت سهام، حجم معامله، شاخص قیمت سهام بورس اوراق بهادار تهران، نسبت قیمت به سود سهمی، تعداد سرمایه گذاران، تعداد دفعات سرمایه گذاری، نرخ ارز، قیمت هر اونس طلا در بورس لندن، قیمت نفت در سبد اوپک می باشند.در این مقاله از مجموع 1500 داده 70% برای آموزش و 30% برای آزمایش شبکه ANFIS استفاده شده است. نرخ پیش بینی صحیح قیمت سهم با استفاده از روش پیشنهادی 73% است که با توجه به موانعی مانند نیمه کارا بودن بازار سرمایه ایران در حد مطلوبی می باشد.
مدل سازی بازار و پیش بینی قیمت سهام با استفاده از سیستم عصبی فازی تطبیقی Keywords:
مدل سازی بازار و پیش بینی قیمت سهام با استفاده از سیستم عصبی فازی تطبیقی authors
معصومه طباطبایی
دانشگاه آزاد اسلامی، واحد بروجرد، باشگاه پژوهشگران جوان ونخبگان، بروجرد، ایران
فرشاد سلکی
کارشناس ارشد حسابداری، واحد بروجرد،دانشگاه آزاد اسلامی، بروجرد،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 :