کاربرد روش تکنیکال برای پیش بینی قیمت سهام: رویکرد مدل های احتمال غیرخطی و شبکه های عصبی مصنوعی
Publish place: Journal of Financial Management Strategy، Vol: 6، Issue: 3
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 474
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFMZ-6-3_003
تاریخ نمایه سازی: 26 خرداد 1398
Abstract:
پیشبینی حرکت قیمت سهام ازجمله مسائلی است که همواره تحلیلگران و سرمایهگذاران با آن مواجه هستند و آنان از ابزارهای مختلفی ازجمله تحلیلهای بنیادی و تکنیکال برای انتخاب سهام خوب و همچنین پیشبینی روند قیمتی در روزهای آینده استفاده میکنند. آنچه تحلیلگران به آن توجه دارند، توانایی تحلیل تکنیکال در پیشبینیهای کوتاه مدت میباشد. بدین منظور، در این مقاله، مدلهایی با استفاده از ابزارهای شبکه عصبی، لاجیت، پروبیت و مقدار حدی به منظور پیشبینی جهت حرکت قیمت سهم در روز بعد ارائه شده است. برای پیادهسازی و مقایسه مدل های ارائه شده، برخی از شاخصهای تکنیکال روزانه سهام شرکت ایرانخودرو در بورس اوراق بهادار تهران که ازجمله سهامهای مورد اقبال سرمایهگذاران میباشد، بررسی شده است. بازه زمانی موردبررسی سالهای 1392 تا 1397 بوده است. نتایج این پژوهش نشان میدهد که در آزمون نا پارامتری برابری نسبتها، ازلحاظ آماری مدل های ارائه شده تفاوت معناداری باهم نداشتهاند، اما معیارهای سنجش خطا بیان میکند که مدل پروبیت، خطای کمتری در پیشبینی سهام در بازار بورس تهران دارد.
Keywords:
Authors
حسین خنجرپناه
گروه صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
داود دوروش
گروه سیستمهای اقتصادی اجتماعی، دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران، تهران، ایران
سعید شوال پور
گروه اقتصادی، دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران، تهران، ایران
آرمین جبارزاده
گروه سیستمهای اقتصادی اجتماعی، دانشکده صنایع، دانشگاه علم و صنعت، 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 :