الگوریتم پیشنهادی برای انتخاب ویژگی های مناسب به منظور پیش بینی شاخص بورس اوراق بهادار تهران
محل انتشار: مجله چشم انداز مدیریت مالی، دوره: 11، شماره: 34
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 177
فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FINANC-11-34_002
تاریخ نمایه سازی: 22 فروردین 1401
چکیده مقاله:
عملکرد یک مدل هوشمند تا حد زیادی به انتخاب مرتبطترین و تاثیرگذارترین متغیرهای ورودی و کمترین پیچیدگی مدل یادگیری بستگی دارد. از اینرو در مطالعه حاضر، برای پیشبینی روزانه شاخص کل بورس اوراق بهادار تهران بر اساس متغیرهای مالی و اقتصادی، ابتدا اقدام به اولویتبندی ویژگیها با الگوریتم MID نموده، سپس از ۴ مدل مختلف شبکه عصبی (MLP, SVR, RBF, DNN) که از مهمترین و بدیعترین مدلهای پیشبینی میباشند، استفاده میشود. با توجه به نتایج بدست آمده از تحلیل مدلهای مورد بررسی، در نهایت الگوریتمی برای انتخاب ویژگیهای مناسب برای پیشبینی شاخص، تحت عنوانISF_MID پیشنهاد شده و با تعدادی از روشهای مشابه، مقایسه میگردد. دادههای مورد استفاده در این پژوهش به صورت روزانه در بازه زمانی ۲۸/۱۰/۱۳۹۲ تا ۳۰/۵/۱۳۹۷ جمعآوری شدهاند. مدلهای مورد بررسی در مرحله پیادهسازی با روش اعتبارسنجی متقابل K-fold مورد ارزیابی قرار گرفتند. همچنین از معیارهای MAE، MSE و RMSE برای ازریابی عملکرد مدلهای مذکور استفاده میشود. نتایج نشان میدهد که با روش پیشنهادی، میتوان با ۷ ویژگی انتخابی به دقت بالایی در پیشبینی روزانه شاخص کل بورس اوراق بهادار تهران دستیافت.
کلیدواژه ها:
پیش بینی شاخص بورس ، الگوریتم انتخاب ویژگی ، تابع پایه شعاعی ، رگرسیون بردارپشتیبان ، شبکه عصبی عمیق
نویسندگان
سمیه محبی
دانشجوی دکتری مدیریت مالی، دانشگاه شهید یهشتی، تهران، ایران.
محمداسماعیل فدائی نژاد
دانشیار، گروه مدیریت مالی و بیمه، دانشگاه شهید یهشتی، تهران، ایران
محمدرضا حمیدی زاده
استاد، گروه مدیریت بازرگانی، دانشگاه شهید بهشتی، تهران،ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :