ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام

ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام

این فایل با تخفیف ویژه به مبلغ 26,000 تومان می‌باشد که بلافاصه بعد از پرداخت میتوانید آن را دانلود کنید. تعداد صفحات ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام 24 صفحه است. همچنین این فایل با فرمت doc قابل اجرا می‌باشد. برای خرید و دانلود روی دکمه زیر کلیک کنید.

تخفیف ویژه به مدت محدود فقط تا فردا دوشنبه 10 اردیبهشت


34 هزار تومان 26 هزار تومان

پشتیبانی: 09374433704


در این مقاله تمرکز اصلی بر روش های هوشمند و مقایسه آن با روش خطی می باشد که در برگیرنده مدل های مدل تخمینگر بردار پشتیبان (SVR)، تخمینگر حداقل درجه (LARS)، مدل شبکه عصبی –فازی(ANFIS) است

ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام

 
   چکیده :
اهمیت ویژه بازار سرمایه در توسعه اقتصادی ازطریق هدایت موثرسرمایه‌ها وتخصیص بهینه منابع غیرقابل انکاراست. سرمایه‌گذاری دربازارسرمایه مستلزم تصمیم‌گیری می‌باشدکه این خودنیازمنددستیابی به اطلاعاتی درخصوص وضعیت آینده قیمت بازار سهام می‌باشد. لذادرصورتی که بتوان روندآتی بازارسهام را با روش‌های مناسب پیش‌بینی نمود،سرمایه‌گذارمی‌تواند بازده حاصل از سرمایه‌گذاری خود را بیشینه سازد .
 
این تحقیق به بررسی دقت مدل های تخمینگربردارپشتیبان(SVR)،تخمینگرحداقل درجه (LARS)،شبکه عصبی – فازی (ANFIS)جهت پیش بینی قیمت سهام در سه سطح روزانه ،هفتگی و ماهیانه می‌پردازد .جامعه آماری این تحقیق در برگیرنده کلیه شرکت های پذیرفته شده در بورس اوراق بهادار در بازه زمانی 1380تا 1389می باشد که نمونه مورد بررسی شامل  10 شرکت می باشد.نتایج نشان می‌دهد که هر سه مدل قابلیت پیش بینی قیمت سهام را دارا هستند اما مدل  های تخمینگر بردار پشتیبان (SVR) و شبکه عصبی -  فازی در دو سطح داده های روزانه و هفتگی توانایی بالاتری جهت پیش بینی قیمت سهام دارا می با‌شند.
 
 
واژه های کلیدی:

تخمینگر بردارپشتیبان (SVR)

تخمینگرحداقل درجه (LARS)

شبکه عصبی – فازی (ANFIS)

 
 
مقدمه :
ناشناخته ‌بودن عوامل تاثیر گذار بر تغییرات قیمت سهام همواره دلیلی برای روی آوردن به پیش‌بینی قیمت سهام شرکت ‌ها است .امروزه مدیران مالی ترجیح می ‌دهند مکانیزمی در اختیار داشته باشند که بتواند آن ها را در امور تصمیم ‌گیریشان یاری نماید به همین دلیل توجه به روش های پیش‌بینی بسیار مورد توجه قرار گرفته است .از این رو متخصصان بازارسرمایه، سالیان متمادی به مطالعه  بازار و شناسایی الگوهای مختلف برای  پیش بینی پرداخته اند که برای این امر تركیبی از تشخیص الگو و تجربه‌ی مبتنی بر مشاهده روابط علّت و معلول را بكار بسته اند. همچنین برنامه‌های نرم ‌افزاری بسیاری نیز وجود دارند كه به این تصمیم‌گیری كمك  می‌کندو به عنوان موتور پیش بینی مورد استفاده قرار می گیرند. با این وجود در روندهای مالی، اغلب شرایطی بوجود می آید كه قوانین را به هم  می‌ریزد وپیش بینی را توسط روشهای مذكور دشوار می سازد.
 
در ادبیات موضوع ، روش های پیش بینی گوناگونی وجود دارد.این تکنیک ها براساس نوع ابزار و نوع داده های مورد استفاده به چهارگروه طبقه بندی نمود :
1- روش های تحلیل فنی 
2- روش های تحلیل بنیادی  
3- روش های پیش بینی سری های زمانی کلاسیک 
4- روش های هوشمند 
 
تحلیل گران فنی سعی می‌کنند بر اساس  الگوهای موجود در نمودار داده‌های مربوط به بازار ،قیمت را پیش‌بینی کنند .تحلیل‌گران بنیادی ،با توجه به ارزش واقعی و ذاتی یک سهم اقدام به پیش‌بینی می‌نمایند . در پیش‌بینی با روش ‌های کلاسیک ،فرض بر این است که مقادیر آینده قیمت ،سیر خطی مقادیر گذشته را می‌پیمایند .روش های هوشمند الگوهای خطی و غیر خطی موجود در داده‌ها ی مربوط به بازار را دنبال می‌کنند تا بدین وسیله فرایند ایجاد آنها را حدس بزنند. [6]
 
در این مقاله تمرکز اصلی بر روش های هوشمند و مقایسه آن با روش خطی می باشد که در برگیرنده مدل های مدل تخمینگر بردار پشتیبان  (SVR)، تخمینگر حداقل درجه (LARS)، مدل شبکه عصبی –فازی(ANFIS) است.ماشین‎ بردار پشتیبان  (SVM) یکی از روش‎های یادگیری بانظارت است . این الگوریتم در زمینه  شناسایی الگو و پیش بینی رگرسیون استفاده  می شود.هدف آن تشخیص و متمایز کردن الگو های پیچیده در  داده ها و یافتن قوانین حاکم بر آنها می باشد .ماشین بردار پشتیبان دارای ویژگی تعمیم پذیری خوب ،توانایی در طبقه بندی الگو های ورودی ،رسیدن به الگوی بهینه کلی ، قابلیت یادگیری (تعیین خودکار ساختار بهینه برای مجموعه داده های تحت آموزش ) است.
 
 
 
 
 
فهرست مطالب
ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام 1
چکیده : 2
واژه های کلیدی : 3
مقدمه : 3
مروری بر پیشینه تحقیق : 5
تحقیقات داخلی : 8
روش تحقیق : 9
فرضیه های تحقیق : 9
جدول شماره 1: تعداد داده ها در سه سطح روزانه ،هفتگی ،ماهیانه برای هر شرکت 10
آزمون فرضیه : 11
نمودارشماره 1: فرایند  پیشبینی قیمت سهام برای مقایسه الگوریتمهای ANIFS، LARS و SVR با یکدیگر 12
فرآیند ارزیابی مدلها : 12
جدول شماره 2:شاخص های ارزیابی خطای  مدل های ANIFS، LARS و SVR 12
جدول شماره 3- نرخ خطای محاسبه شده برای داده های آزمایشی روزانه برحسب هر شرکت 13
داده‌های هفتگی:         جدول شماره 4: نرخ خطای محاسبه شده برای داده‌های آزمایشی هفتگی برحسب هر شرکت 15
داده‌های ماهیانه :           جدول شماره 5: نرخ خطای محاسبه شده برای داده‌های آزمایشی ماهیانه برحسب هر شرکت 18
نتایج بررسی فرضیه ها به صورت کلی در جدول شماره 6  ارایه گردیده است 19
نتیجه گیری : 20
جدول7-درصد موفقیت مدل ها با جهت برای الگوریتمهای ANFIS وLARSوSVR 20
منابع : 21
 

سوالات احتمالی شما درباره ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام


چطور میتونم فایل ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام رو دریافت کنم؟

برای خرید و دانلود این فایل میتونید دکمه سبز رنگ خرید و دانلود فوری کلیک کنید و بلافاصله بعد از پرداخت، لینک دانلود ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام براتون نمایش داده میشه و میتونید فایل رو دانلود کنید.

این فایل چطوری به دست من میرسه؟

بعد از خرید به صورت اتوماتیک، لینک دانلود فایل ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام برای شما نمایش داده میشه و میتونید دانلود و استفاده کنید.

قیمت ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام چقدر هست؟

در حال حاضر قیمت این فایل با تخفیف ویژه 26 هزار تومان هست.

چطور میتونم با پشتیبانی سایت در ارتباط باشم؟

از طریق شماره 09374433704 میتونید با پشتیبانی سایت در ارتباط باشید.

برچسب ها:



دانلود و دریافت مقاله ارزیابی توانایی مدل داده کاوی در پیش بینی قیمت سهام. نشان میدهد که هرسه مدل قابلیت پیش بینی قیمت سهام را دارا هستند اما مدلهای 

by توانایی مدل های داده کاوی ارزیابی — دانلود رایگان متن کامل مقاله همایش علمی ارزیابی توانایی مدل های داده کاوی در پیش بینی قیمت سهام.

میدهد که هرسه مدل قابلیت پیش بینی قیمت سهام را دارا هستند اما مدلهای تخمینگر بردارپشتیبان sVR و شبکه عصبی - فازی دردوسطح داده ها یروزانه و هفتگی توانایی 

ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام. تخمینگر بردار پشتیبان تخمینگرحداقل درجه مدل شبکه عصبی –فازی مدلهای داده کاوی پیش بینی قیمت سهام

by نصیرزاده · 2013 — اهمیت ویژه بازار سرمایه در توسعه اقتصادی ازطریق هدایت موثرسرمایه‌ها وتخصیص بهینه منابع غیرقابل انکاراست. سرمایه‌گذاری دربازارسرمایه مستلزم 

ارزیابی توانایی مدل های داده کاوی در پیش بینی قیمت سهام | 1362. انتشار در 2022-04-20 | ویرایش در 2021-06-16 | توسط Siamak ADN.

Esfand 26, 1399 AP — مقاله ارزيابي توانايي مدل داده کاوي در پيش بيني قيمت سهام تحقیق به بررسی دقت مدلهای تخمینگر بردارپشتیبان sVR تخمینگرحداقل درجه LARS شبکه 

Farvardin 15, 1401 AP — ارزیابی توانایی مدل های داده کاوی در پیش بینی قیمت سهام چکیده: اهمیت ویژه بازار سرمایه در توسعه اقتصادی ازطریق هدایت موثرسرمایه ها وتخصیص بهینه 

Esfand 28, 1400 AP — سرمايه‌گذاري دربازارسرمايه مستلزم تصميم‌گيري مي‌باشدکه اين خودنيازمنددستيابي به اطلاعاتي درخصوص وضعيت آينده قيمت بازار سهام مي‌باشد. لذادرصورتي 

by مشاری · 2019 — منجمی سید امیرحسین و همکاران (1388)،پیش‌بینی قیمت سهام در بازار بورس اوراق نصیر زاده،نیکروش،فرزانه،زهرا،ارزیابی توانایی مدل های داده‌کاوی در پیش‌بینی 

by سروش یار · 2017 — ریسک و بازده سهام همواره از مهمترین عوامل در اتخاذ تصمیمات مالی سرمایهگذاران بوده است. از این رو پیشبینی آنها برای سرمایهگذاران و سایر فعالان بازار سرمایه 

بیمـه، خریـد سـهام را کاهش داده و بیشـتر به سـراغ سـرمایه گذاری و خرید اوراق هـدف اصلـی ایـن مطالعـه بررسـی توانایـی )دقـت( مدل هـای داده کاوی در پیش 

ارزﯾﺎﺑﯽ ﺗﻮاﻧﺎﯾﯽ ﻣﺪل ﻫﺎی داده ﮐﺎوی در ﭘﯿﺶ ﺑﯿﻨﯽ ﻗﯿﻤﺖ ﺳﻬﺎم -5. ﺗﺨﻤﯿﻨﮕﺮ ﺑﺮدار ﭘﺸﺘﯿﺒﺎن - ﺗﺨﻤﯿﻨﮕﺮﺣﺪاﻗﻞ درﺟﻪ - ﻣﺪل ﺷﺒﮑﻪ ﻋﺼﺒﯽ –ﻓﺎزی - ﻣﺪﻟﻬﺎی داده ﮐﺎوی - ﭘﯿﺶ ﺑﯿﻨﯽ 

ارزیابی توانایی مدل های داده کاوی در پیش‌بینی قیمت سهام · تخمینگر بردارپشتیبان (SVR) · تخمینگرحداقل درجه (LARS) · شبکه عصبی – فازی (ANFIS).

مدل های مذکور در قالب شبکه عصبی با یکدیگر تلفیق شده و نتایج نشان دهنده برتری عملکرد شبکه عصبی نسبت به مدل رگرسیون چند متغیره و مدل های سری زمانی دارند. کلمات 

مساله مورد تحقیق، پیش بینی قیمت سهام شرکتها در بازار بورس اوراق بهادا ر می باشد. ارزیابی توانایی مدل های داده کاوی در پیش بینی قیمت سهام

5 days ago — ﭘﯿﺶ ﺑﯿﻨﯽ ﻗﯿﻤﺖ ﺳﻬﺎم ﺑﺎ ﻣﺪﻟﻬﺎی داده ﮐﺎوی. ارزﯾﺎﺑﯽ ﺗﻮاﻧﺎﯾﯽ ﻣﺪﻟﻬﺎی داده ﮐﺎوی در ﭘﯿﺶ ﺑﯿﻨﯽ ﻗﯿﻤﺖ ﺳﻬﺎم. ﺑﺮرﺳﯽ ﻗﺎﺑﻠﯿﺖ ﻣﺪﻟﻬﺎی Data Mining در ﺑﺮآورد 

دیتاهارت | مرجع مجموعه داده ها در تمامی رشته ها| بیش از سی مقاله فارسی در مورد پيش بررسی کاربرد مدل عصبی- فازی در پیش بینی قیمت سهام شرکت های بورس اوراق 

ارزﯾﺎﺑﯽ ﺗﻮاﻧﺎﯾﯽ ﻣﺪل ﻫﺎی داده ﮐﺎوی در ﭘﯿﺶ ﺑﯿﻨﯽ ﻗﯿﻤﺖ ﺳﻬﺎم -3. ﺣﺴﺎﺑﺪاری - ﺗﺨﻤﯿﻨﮕﺮ ﺑﺮدار ﭘﺸﺘﯿﺒﺎن - ﺗﺨﻤﯿﻨﮕﺮﺣﺪاﻗﻞ درﺟﻪ - ﻣﺪل ﺷﺒﮑﻪ ﻋﺼﺒﯽ –ﻓﺎزی - ﻣﺪﻟﻬﺎی داده ﮐﺎوی 

ارزیابی عملکرد شعب بانک با رویکرد داده کاوی و سیستم خبره بهینه سازی گشتاور بالاتر پرتفوی برمبنای مدل های قیمت گذاری دارایی سرمایه‎ای تعمیم یافته با در