پیشبینی قیمت آتی شاخص سهام با استفاده از الگوریتم سری زمانی چند متغیره فازی و روش تیوری راف
Publish place: سومین کنفرانس بین المللی مدیریت و اقتصاد
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 574
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
MCED03_091
Index date: 9 June 2017
پیشبینی قیمت آتی شاخص سهام با استفاده از الگوریتم سری زمانی چند متغیره فازی و روش تیوری راف abstract
در بازار آنچه بیش ازپیش بینی میزان دقیق رشد قیمت یک سهم برای فعالان اهمیت دارد اصل موضوع تصمیم خرید یا فروش است،یعنی یک رشد عالی می تواند باعث تصمیم گیری به خرید گردد و بالعکس اگر پیش بینی یک افت شدید با احتمال بالا صورت گیردمی تواند باعث تصمیم فروش سهم گردد . موضوع مهم در اینجا تعیین این فازها و یا حالات مختلف است که باید توسط متخصصین و فعالان بازار این موضوع به طور دقیق صورت گیرد. بنابراین ضرورت دارد مدلی طراحی گردد که ارقام شاخص در سری زمانی آن، برآیندی از قیمت های سهام و حجم معاملات را بررسی و به نوعی میزان آزمون کارایی بازار سهام را نیز قلمداد کند. در همین راستا در این تحقیق به ارایه یک مدل برای پیش بینی بهینه قیمت شاخص سهام در آینده با سری های زمانی فازی پرداختیم . برای این امر، قیمت شاخص سهام را در بورس اوراق بهادار به چالش کشیده و با استفاده از روش های کاربردی در پیش بینی یعنی روش هایفازی و سری زمانی متغییر ها را بررسی و مورد بحث قرار دادیم. برای حل این مدل، از تکنیک تیوری راف بهره یافتیم و آن را طراحی نمودیم. در نهایت، با وارد کردن داده های برگرفته از سازمان بورس کارایی و صحیح بودن این مدل برای پیش بینی قیمت شاخص سهام را اثبات نمودیم. نتایج تحقیق نشان می دهند که بر اساس تیوری راف- فازی می توان میزان تغییرات (کاهشی- ثابت- افزایش) رابرای قیمت شاخص سهام پیش بینی و بر اساس آن معاملات را در بورس اوراق بهادار انجام دهیم
پیشبینی قیمت آتی شاخص سهام با استفاده از الگوریتم سری زمانی چند متغیره فازی و روش تیوری راف Keywords:
پیشبینی قیمت آتی شاخص سهام با استفاده از الگوریتم سری زمانی چند متغیره فازی و روش تیوری راف authors
زهرا عامری
کارشناسی ارشد مهندسی مالی دانشگاه آزاد اسلامی علی آباد کتول
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 :