پیش بینی رفتار بازار سهام بر اساس شبکه های عصبی مصنوعی با رویکرد یادگیری جمعی هوشمند

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 114

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMJT-10-2_008

تاریخ نمایه سازی: 5 شهریور 1402

چکیده مقاله:

هدف: پیش بینی دقیق بازار سهام برای معامله گران این بازار ارزشمند است. پیش بینی سری های زمانی مالی از دسته مسائل چالشی و مهم در پیش بینی است و پژوهشگران تلاش می کنند که الگوهای پنهان را برای پیش بینی آینده بازار سهام استخراج کنند. هدف این مقاله ارائه یک مدل هوشمند برای پیش بینی رفتار بازار سهام است. روش: این مقاله، برای افزایش دقت از مدلی بر مبنای الگوریتم های یادگیری جمعی با مدل های پایه شبکه های عصبی استفاده می‎کند. برای در نظر گرفتن جهت تغییر قیمت در پیش بینی، ساختار دومرحله ای به‎کار رفته است. در مرحله نخست، جهت بعدی حرکت قیمت سهام (افزایش یا کاهش) پیش بینی شده و از آن برای پیش بینی قیمت در مرحله دوم استفاده شده است. یافته‎ها: دقت نتایج و افزایش بازده پیش بینی، مهم ترین چالش مدل های پیشنهادشده در بازار سهام به‎شمار می‎رود. نکته مهم برای سودآوری معاملات، توجه به جهت تغییر قیمت سهام در پیش بینی قیمت آن است که در مدل های پیش بینی به این موضوع توجه کمتری شده است. مدل پیشنهادی با استفاده از روش های مبتنی بر هوش مصنوعی نشان می‎دهد که پیش بینی رفتار بازار سهام با وجود ماهیت نوسانی و ناپایدار آن، امکان‎پذیر است. نتیجه‎گیری: نتایج معیارهای ارزیابی روی داده های واقعی قیمت سهام نشان می دهد مدل پیشنهاد شده در مقایسه با سایر روش ها، با دقت بیشتری می تواند بر نوسان‎های بازار غلبه کرده و به عنوان روش قابل اطمینان و عملی در بازارهای سهام به‎کار گرفته شود.

کلیدواژه ها:

پیش بینی تغییر جهت قیمت ، پیش بینی قیمت سهام ، شبکه عصبی ، یادگیری جمعی ، مدل های پیش بینی هوشمند

نویسندگان

محمد تقی فقیهی نژاد

دانشجوی دکتری مهندسی فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.

بهروز مینایی

دانشیار گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه علم وصنعت ایران،

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 :
  • سعیدی، حسین؛ محمدی، شاپور (۱۳۹۰). پیش‎بینی نوسانات بازده بازار با ...
  • شریفی سلیم، علیرضا؛ مومنی، منصور؛ مدرس یزدی، محمد؛ راعی، رضا ...
  • علی‎پور جورشری، ارمغان؛ یاکیده، کیخسرو؛ محفوظی، غلامرضا (۱۳۹۶). بهینه سازی ...
  • گودرزی، مهشید؛ یاکیده، کیخسرو؛ محفوظی، غلامرضا (۱۳۹۵). بهینه‎سازی سبد سهام ...
  • منجمی، سید امیرحسین؛ ابزری، مهدی؛ رعیتی شوازی، علیرضا (۱۳۸۸). پیش‎بینی ...
  • ReferencesAdebiyi, A. A., Adewumi, A.O., & Ayo, C. K. (۲۰۱۴). ...
  • Adhikari, R. (۲۰۱۵). A neural network based linear ensemble framework ...
  • Alipour, A., Yakideh, K., & Mahfoozi, Gh. (۲۰۱۷). Portfolio Optimization ...
  • Asadi, Sh., Hadavandi, E., Mehmanpazir, F., & Nakhostin, M.M. (۲۰۱۲). ...
  • Atsalakis, G. S., & Valavanis, K. P. (۲۰۰۹a). Forecasting stock ...
  • Ballings, M., Van den Poel, D., Hespeels, N., & Gryp, ...
  • Breiman, L. (۱۹۹۶). Bagging predictors. Machine learning, ۲۴(۲), ۱۲۳-۱۴۰ ...
  • Cavalcante, R. C., Brasileiro, R. C., Souza, V. L.F., Nobrega, ...
  • Chang, P.C., & Liu, C.H. (۲۰۰۸). A TSK type fuzzy ...
  • Chauvin, Y., & Rumelhart, D. E. (۱۹۹۵). Backpropagation: theory, architectures, ...
  • Cogley, T., & Nason, J. M. (۱۹۹۵). Effects of the ...
  • Cubiles-De-La-Vega, M.D., Blanco-Oliver, A., Pino-Mejías, R. & Lara-Rubio, J. (۲۰۱۳). ...
  • de Oliveira, F. A., Nobre, C. N., & Zárate, L. ...
  • Dietterich, T. G. (۲۰۰۰). Ensemble methods in machine learning. Paper ...
  • Esfahanipour, A., & Aghamiri, W. (۲۰۱۰). Adapted neuro-fuzzy inference system ...
  • Fama, E. F. (۱۹۹۵). Random walks in stock market prices. ...
  • Fama, E. F., & Malkiel, B. G. (۱۹۷۰). Efficient capital ...
  • Ferreira, T. A.E., Vasconcelos, G. C., & Adeodato, P. J. ...
  • Ghasemiyeh, R., Moghdani, R. & Sana, S. S. (۲۰۱۷). A ...
  • Goodarzi, M., Yakideh, K., & Mahfoozi, Gh. (۲۰۱۷). Portfolio optimization ...
  • (in Persian)Guresen, E., Kayakutlu, G., & Daim, T. U. (۲۰۱۱). ...
  • Hansen, L. K., & Salamon, P. (۱۹۹۰). Neural network ensembles. ...
  • Hassan, M.D.R. (۲۰۰۹). A combination of hidden Markov model and ...
  • Kara, Y., Boyacioglu, A.M., & Baykan, Ö. K. (۲۰۱۱). Predicting ...
  • Khashei, M., Bijari, M., & Raissi Ardali, Gh. A. (۲۰۰۹). ...
  • Li, X., Yang, L., Xue, F., & Zhou, H. (۲۰۱۷). ...
  • Lin, L., Wang, F., Xiaolong, X., & Shisheng, Z. (۲۰۱۷). ...
  • Lo, A. W., & MacKinlay, A. C. (۱۹۸۸). Stock market ...
  • Maknickienė, N. (۲۰۱۶). Prediction Capabilities of Evolino RNN Ensembles. In ...
  • Monadjemi, S.A., Abzari, M., & Rayati-Shavazi, A. (۲۰۰۹). Modeling of ...
  • Ravi, V., Pradeepkumar, D., & Deb, K. (۲۰۱۷). Financial time ...
  • Saeedi, H., & Mohammadi, Sh. (۲۰۱۲). Prediction Fluctuations in market ...
  • Ticknor, J. L. (۲۰۱۳). A Bayesian regularized artificial neural network ...
  • Tkáč, M., & Verner, R. (۲۰۱۶). Artificial neural networks in ...
  • Tsai, C.F., Lin, Y.C., Yen, D. C, & Chen, Y.M. ...
  • Wang, G., Hao, J., Ma, J., & Jiang, H. (۲۰۱۱). ...
  • Xiao, Y., Xiao, J., Lu, F., & Wang, Sh. (۲۰۱۳). ...
  • Yan, D., Zhou, Qi, Wang, J., & Zhang, N. (۲۰۱۷). ...
  • Zhang, G. P. (۲۰۰۳). Time series forecasting using a hybrid ...
  • Zhong, X, & Enke, D. (۲۰۱۷). Forecasting daily stock market ...
  • نمایش کامل مراجع