بررسی کارایی و پیش بینی پذیری کالاهای صنعتی با رویکردهای بنیادین و تکنیکال

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 227

فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_INDU-7-4_004

تاریخ نمایه سازی: 11 آبان 1400

چکیده مقاله:

هدف این پژوهش، بررسی پیش­بینی پذیری قیمت سرب و کارایی این بازار در سطح ضعیف و معرفی یک الگوی مناسب برای پیش بینی قیمت سرب در بازار جهانی است. به این منظور مجموعه ­ای از روش های خطی و غیرخطی در دو رویکرد کلی تکنیکال و بنیادین استفاده شده است. بررسی کارایی بازار سرب در سطح ضعیف نشان می دهد که این بازار در این سطح نیز کارا نیست و امکان پیش بینی قیمت وجود دارد. داده های استفاده شده در این پژوهش به صورت هفتگی جمع آوری شده و شامل بازه زمانی هفته اول ۲۰۰۵ الی هفته آخر ۲۰۱۵ است. این داده ها از سایت های مختلف، از جمله سایت LME، USGS و ILZSG جمع آوری شده است. یافته های این پژوهش نشان می دهد که در رویکرد تکنیکال، مدل شبکه عصبی مصنوعی GMDH ترکیب شده با الگوریتم ژنتیک بر اساس معیارهای میانگین درصد خطای مطلق (MAPE) و جذر میانگین مجذور خطا (RMSE) دارای عملکرد بهتری نسبت به مدل های دیگر است؛ همچنین در رویکرد بنیادین بر اساس معیارهای خطای پیش بینی، شبکه عصبی مصنوعی GMDH بهترین عملکرد را داشته است. پیش بینی پذیری تغییرات قیمت سرب در بازار با الگوهای تکنیکال، نشان دهنده کارایی بازار در سطح ضعیف است.

کلیدواژه ها:

کارایی بازار ، روش سازمان دهی گروهی داده ها (GMDH) ، شبکه عصبی پرسپترون چندلایه (MLP) ، الگوریتم ژنتیک ، تحلیل بنیادین ، تحلیل تکنیکال

نویسندگان

سمیه رافعی

کارشناس ارشد، دانشگاه اصفهان.

مجید اسماعیلیان

استادیار، دانشگاه اصفهان.

محمود بت شکن

استادیار، دانشگاه اصفهان.

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 :
  • Abbaspour, M. (۲۰۰۲). Iran Khodro Stock Price Prediction using Neural ...
  • Andonie, R. (۲۰۱۰). Extreme Data Mining: Inference from small Datasets. ...
  • Atsalakis, G. S. (۲۰۱۶). Using computational intelligence to forecast carbon ...
  • Azadeh A., Moghaddam, M., Khakzad, M., & Ebrahimipour, V. (۲۰۱۲). ...
  • Demuth, H. B., Beale, M. H., De Jess, O., & ...
  • Eberhart, R. C., & Kennedy, J. (۱۹۹۵). A new optimizer ...
  • Fakhraei, H. (۲۰۰۷). Comparison of water demand forecasting using structural ...
  • Fama, E. F. (۱۹۷۰). Efficient Capital Market: A Review of ...
  • Fan, X., Wang, L., & Li, S. (۲۰۱۶). Predicting chaotic ...
  • Farlow, S. J. (۱۹۸۱). The GMDH algorithm of Ivakhnenko. The ...
  • Fathabadi, Zahra and Basiri, Mohamma Hossein (۲۰۱۲). Copper price forecasting ...
  • Hejazi, S. H., & Saberi Ghamarposhti, M. (۲۰۱۶). Prediction Bahar ...
  • JahanKhani, A., & Parsaiyan, A. (۱۹۹۶). Tehran Stock Exchange. Tehran: ...
  • Jones, C. P. (۱۹۹۶). Investment Analysis and Management, ۴th Edition, ...
  • Kasabov, N. K. (۱۹۹۶). Foundations of neural networks, fuzzy systems, ...
  • Ljung, G. M. & Box, G. E. P. (۱۹۷۸). On a Measure of Lack of ...
  • Manavi, S. E., & Karimi, A. (۲۰۱۴). A New Approach ...
  • Mansourfar, Karim. (۲۰۰۶). Statistical Progress with Computer Programs. Tehran, University ...
  • Moeini, A., Abrishami, H., & Ahrari M. (۲۰۱۵). GMDH Neural ...
  • Monfared, Soheil Almasi, and David Enke. (۲۰۱۴). Volatility Forecasting Using ...
  • Morovvati Sharifabadi, A., & Khanche mehr, R. (۲۰۱۴). Find the ...
  • Murphy, J. J. (۱۹۹۹). Technical analysis of the financial markets: ...
  • Nazari, M., Tabatabaei Kaljahi, S. V., & Ahrari, M. (۲۰۱۳). ...
  • Parchami, B., Nematzadeh, H., & Shahverdi, R. (۲۰۱۶). Prediction of ...
  • Sadeghi, H., Sohrabi Vafa, H. & Noori, F. (۲۰۱۳). Applications ...
  • Shohadaei, M. A. (۲۰۰۷). Fundamental Analysis in the Capital Market. ...
  • Thaghafi Kolvanegh, R. (۲۰۰۹). Evaluating the Effectiveness of Using Technical ...
  • ZivariPaydar, S., & Saberi Kamarposhti, M. (۲۰۱۶). Influence of Inflation ...
  • نمایش کامل مراجع