مقاله کنفرانسی سال ۱۴۰۰ فارسی

کاربرد شبکه های عصبی مصنوعی در پیش بینی داده های سری زمانی: مطالعه موردی بورس تهران

چکیده مقاله

هدف: در این پژوهش ضمن اشاره به کاربرد شبکه های عصبی مصنوعی در بازارهای مالی، به مقایسه مدل حافظه کوتا همدت ماندگار و مدلتکرارشونده درگاهی از دسته مدلهای داده کاوی و هوش مصنوعی، در دقت پیش بینی آنها بر روی داده های ده سهم بزرگ بازار بورس تهران دربازه زمانی ده ساله، از ابتدای ۱۳۸۸ تا ابتدای سال ۱۳۹۸ پرداخته شده است هدف از این پژوهش معرفی مدل بهتر برای پیش بینی قیمت پایانیاین ده سهم است روش: از آن جایی که این تحقیق بر روی داده های بازار بورس تهران انجام شده، هر یک از سهم های موردمطالعه با مشکل داده های گم شدهروبه روست که این مشکل در نهایت تاثیر بسزایی بر عملکرد مدل می گذارد به منظور حل این مشکل از روش رگرسیون خطی برای پیداکرد ناین داده ها و در ادامه برای توضیح قیمت پایانی هر سهم از اندیکاتورها و اسیلاتورهای تکنیکال استفاده شده است در گام بعد از الگوریتم جنگلتصادفی از دسته مدل های یادگیری ماشین ها به منظور انتخاب موثرترین این متغیرها استفاده شده است در نها یت از آزمون دیابولد ماریانو بر ا یبررسی معنی دار بودن اختلاف در دقت پیش بینی این دو مدل استفاده شده است شایان ذکر است که در این مطالعه برای اولین بار در ایرانعملکرد این ۲ شبکه عصبی مصنوع ی با این ساختار در بازار سهام مقایسه شده است یافته ها: یافته های این پژوهش حاکی از آن است که هر دو مدل مورد بررسی قدرت بالایی در جهت استخراج اطلاعات از داده های سری زمانی رادارند اما مدل حافظه کوتاه مدت ما ندگار به دقت بالاتری در شش سهم از ده سهم موردمطالعه و مدل تکرارشونده درگاهی در چهار سهم باقی ،دست یافته اند نتایج: در نهایت نتایج آزمون دیابولد ماریانو نشان داد که به جز اختلاف دقت دو مدل در یکی از سه مهای موردمطالعه، در باقی آ نها از حیثآماری معنی دار است نتایج این تحقیق می توان راهنمائی برای افرا دی که مدیریت سبد سهام انجام می دهند و همچنین گسترش دهندگانابزاره ای تحلیل و معامله قرار گیرد

کلیدواژه‌ها

بازار بورس تهران مدل تکرارشونده درگاهی الگوریتم جنگل تصادفی مدل حافظه کوتاه مدت ماندگا ر

نویسندگان

تصویر آرمان مالک

آرمان مالک

دانشجوی کارشناسی ارشد مدیریت مالی دانشکده علوم مالی، دانشگاه خوارزمی، تهران

شیوه ارجاع

کریمزاده خسروشاهی، مهیا و مالک، آرمان،1400،کاربرد شبکه های عصبی مصنوعی در پیش بینی داده های سری زمانی: مطالعه موردی بورس تهران،اولین کنفرانس بین المللی جهش علوم مدیریت، اقتصاد و حسابداری،سار�

ارائه‌شده در

پوستر مجموعه مقالات اولین کنفرانس بین المللی جهش علوم مدیریت، اقتصاد و حسابداری مجموعه مقالات اولین کنفرانس بین المللی جهش علوم مدیریت، اقتصاد و حسابداری19 اسفند 1400 · ساری
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۰ ۲,۱۰۱ مشاهده

مروری بر نظریه یادگیری اسکینر در فرآیند آموزش

اسکینر بر این باور بود که یادگیری نقش بیبدیلی در بروز رفتارها و شکل گیری شخصیت افراد دارد و میتوان با یا…

یادگیریرفتارنظریه اسکینر
مقاله کنفرانسی سال ۱۴۰۰ ۱,۹۸۲ مشاهده

روش های موثربرای کاهش مالیات سازمان ها

مالیات یعنی مبلغی که شما باید به دولت بپردازید تا بتواند هزینه خدمات عمومی را بپردازد طبق اصل ۵۱ قانون ا…

تخفیفمالیاتکاهش
مقاله کنفرانسی سال ۱۴۰۰ ۱,۹۰۱ مشاهده

تحقق یافتن عدالت اجتماعی در جامعه با پرداخت مالیات

مالیات یک جنبه اساسی از زندگی مدرن است بودجه هایی که دولتها از مالیات بدست میآورند، برای ارائه خدمات ضرو…

مالیاتعدالت مالیاتیعدالت اجتماعی
مقاله کنفرانسی سال ۱۴۰۰ ۱,۸۶۶ مشاهده

ارائه الگوی مدیریت منابع انسانی در سیستم بانکداری مجازی (بانک سپه ایران)

هدف از پژوهش حاضر ارائه الگوی مدیریت منابع انسانی در سیستم بانکداری مجازی بانک سپه ایران می باشد تحقیق ح…

مدیریت منابع انسانیسیستم بانکداری مجازیمعادلات ساختاری
مقاله کنفرانسی سال ۱۴۰۰ ۱,۶۶۸ مشاهده

نسل چهارم صنعت (۴.۰) و توسعه صنعتی پایدار

انقلاب صنعتی چهارم زمینه ساز تحولات گسترده ای در فرایندهای تولیدی و ساخت محصولات شده است که به اختصار نس…

صنعت ۴.۰تولید پایدارانقلاب صنعتی چهارم
مقاله کنفرانسی سال ۱۴۰۰ ۱,۵۴۹ مشاهده

بهره وری در بخش دولتی و راهبردهای بهبود آن

بهره وری بخش دولتی از دیرباز به عنوان یکی از مسائل مهم و چالشی در ادبیات اداره امور عمومی و مدیریت دولتی…

بهبود بهره وریبهره وری بخش دولتیراهبردهای بهبود بهره وری بخش دولتی