مقایسة روشهایخطی سنتی با تکنیک شبکه های عصبی مصنوعی در پیش بینی قیمت سهام بورس تهران

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,260

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT02_047

تاریخ نمایه سازی: 12 دی 1386

چکیده مقاله:

امروزه تکنیک های داده کاوی در بسیاری از زمینه ها کاربرد روز افزونی یافته اند . شبکه های عصبی مصنوعی به عنوان یکی از تکنیک های رایج در این عرصه بسیار مورد استفاده قرار گرفته اند . تحقیقات زیادی در مورد پیش بینی شاخص های بازار بورس صورت گرفته است اما تفاوت در نوع بازارهای مالی منجر به عدم کارایی بعضی از این مدل ها در بعضی از بازارها می شود . در این مقاله سعی شده است مقایسه ای بین مدل های CAPM و -3 عاملی فارما و فرنچ به عنوان مدل های خطی با CAPM شبکه های عصبی مصنوعی به عنوان مدل های غیرخطی صورت گیرد . از روی مقایسه های آماری دریافته ایم که مدل دقت به تری از مدل -3 عاملی در بازار بورس تهران دارد . همچنین نتایج نشان می دهد شبکه های عصبی مصنوعی دقت پیش بینی بهتری از هر دو مدل دیگر در پیش بینی قیمت سهام بورس تهران به عنوان یک بورس درحال رونق، دارا هستند

کلیدواژه ها:

شبکه های عصبی مصنوعی - مدل - CAPM مدل -3 عاملی فارما و فرنچ - پیش بینی قیمت سهام

نویسندگان

حمید فروش

دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه تربیت مدرس

محمدمهدی سپهری

دانشیار مهندسی صنایع دانشگاه تربیت مدرس

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 :
  • William Leigh, Ross Hightower, Naval Modami. Forecasting the New York ...
  • Harvey CR. Predictable risk and returns in emerging markets. The ...
  • Bhattacharya U, Daoukh, Jorgenson B, Kehr C-H. When an event ...
  • Lintner J. The valuation of risk assets and the selection ...
  • Fama EF, French KR. Common risk factors _ the returns ...
  • Ja3e J, Keim DB, Westerfield R. Earnings yields, market values, ...
  • Pesaran MH, Timmermann A. Predictability of stock returns: robustness and ...
  • Darrat AF, Zhong M. On testing the random-walk hypothesis: a ...
  • Hutchinson JM, Lo AW, Poggio T. A nonparametric approach to ...
  • Kryzanowski L, Galler M, Wright DW. Using artificial neural networks ...
  • _ Ferson WE, Harvey CR. The risk and predictability of ...
  • Gorr WL. Research prospective on neural network forecasting. International Journal ...
  • De Carvalho MCM, Dougherty MS, Fowkes AS, Wardman MR. Forecasting ...
  • _ Diebold FX, Mariano RS. Comparing predictive accuracy. Journal of ...
  • Corradi V, Swanson NR. A consistent test for nonlinear Out ...
  • Qi M. Predicting US recessions with leading indicators Via neural ...
  • Liu Y, Yao X. Evolving neural networks for Hang Seng ...
  • نمایش کامل مراجع