ارائه سیستم عصبی- فازی با یادگیری توسط بهینه سازی گروهی ذرات (PSO) و کاربرد آن در پیش بینی قیمت سهام

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,893

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IIEC06_174

تاریخ نمایه سازی: 8 مهر 1387

چکیده مقاله:

این مقاله یک سیستم انطباق پذیری فازی- عصبی که توسط الگوریتم PSO یادگیری می شود، به منظور پیش بینی قیمت سهام را ارائه می دهد. تحقیقات گذشته مبتنی بر روش گرادیان یا روش حداقل مربعات بوده اند. در این مقاله چهار استراتژی مختلف PSO به کار گرفته شده و نتایج آن مورد مقایسه قرار گرفتند. سیستم فازی مبتنی بر قاعده ارائه شده تعدادی از شاخص های تکنیکال و بنیادی را به عنوان متغیرهای ورودی به کار می برد. به منظور ایجاد توابع عضویت، یک الگوریتم خوشه بندی با قابلیت استخراج داده های اختلال زا معرفی شده است. مدل فازی- عصبی ارایه شده بر روی سهام کارخانه تولید قطعات خودرو در بازار بورس تهران مورد آزمایش قرار گرفته است. نتایج بسیار امیدوار بوده و امکان استفاده از آن ها در دنیای واقعی وجود دارد.

کلیدواژه ها:

سیستم فازی- عصبی ، بهینه سازی گروهی ذرات ، بازار سهام ، پیش بینی

نویسندگان

میثم علی زاده

دانشکده مهندسی صنایع، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، ایرا

الناز فتوحی

دانشکده مهندسی صنایع، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، ایرا

احسان صفویه

دانشکده علوم کامپیوتر، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، ایر

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 :
  • Babuska, R., Verbruggen, H. (2003). Neuro-fuzzy methods for nonlinear system ...
  • Brown, M., Harris, C. (1994). Neuro-fuzzy adaptive modelling and control. ...
  • _ C., Liu, C. H. (2008). A TSK type fuzzy ...
  • Chang, P. C., Wang, Y. W., & Yang, W. N. ...
  • Chen, M. S. (1999). A Comparative Study of Learning Methods ...
  • Chi, S. C., Chen, H. P., & Cheng, C. H. ...
  • Emami, M. R., Turksen, I. B., Goldenberg, A. A. (1998). ...
  • Fazel Zarandi, M. H. (1998). Aggregate system analysis for prediction ...
  • Fazel Zarandi, M. H., Rezaee, B., Turksen, I. B., Neshat, ...
  • Huang, X. (2007). Two new models for portfolio selection with ...
  • Jang, J.-S.R. (1993). ANFIS: A d apt iv e _ ...
  • Jang, J.-S. R., Mizutani, E. (1996). L e V enb ...
  • Jang, J.-S.R., Sun, C.-T. (1993). Functional equivalence between radial basis ...
  • Jilani, T. A., Burney, S. M. A. (2008). A refined ...
  • Kennedy, J., Eberhart, R. C. (1995).، Particle Swarm Optim ization', ...
  • Kilic, K., Uncu, O., Turksen, I. B. (2007). Comparison of ...
  • Kimoto, T., & Asakawa, K. (1990). Stock market prediction system ...
  • Kri shnapuram, R. (1994). Generation of membership functions via possibilistic ...
  • Kumar, M., Garg, D. P. (2004). Intelligent Learning of Fuzzy ...
  • Kuo, R. J., Chen, C. H., & Hwang, Y. C. ...
  • Lee, J. W. (2001). Stock price prediction using reinforcement learning. ...
  • Markowitz, H. (1952). Portfolio selection, Journal of Finance 7, 77-91. ...
  • Mascioli, F.M., Varazi, G.M., Martinelli, G. (1997). Constructive Algorithm for ...
  • Melek, W. W., Goldenberg, A. A., Emami, M. R. (2005). ...
  • Parsopoulos, K. E., Vrahatis, M. N. (2002). Particle swarm optimization ...
  • Parasopoulos, K. E., Vrahatis, M. N. (2004). On the Computation ...
  • Scutte, J. F., Reinbolt, J. A., Fregly, B. J., Haftka, ...
  • Sugeno, M., Yasukawa, T. (1993). A fuzzy logic based approach ...
  • Takagi, T., Sugeno, M. (1985). Fuzzy identification of systems and ...
  • Tan, R. R. (2007). Hybrid evolutionary computation for the development ...
  • Teshnehlab, M., Aliyari Shoorehdeli, M., Sedigh, A. K. (2008). Novel ...
  • Thammano, A. (1999). Neuro-fuzzy model for stock market prediction. In ...
  • Uncu, O., Turksen, I. B. (2007). A novel feature selection ...
  • Yao, J., & Poh, H. L. (1995). Forecasting the KLSE ...
  • نمایش کامل مراجع