ارائه مدل پیش بینی قیمت سهام با استفاده از الگوریتم های یادگیری عمیق و کاربرد آن درقیمت گذاری سهام بانک های اسلامی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 115
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MIEA-11-41_005
تاریخ نمایه سازی: 20 دی 1402
چکیده مقاله:
پیش بینی قیمت سهام امری پیچیده است؛ مولفههای گوناگونی از قبیل وضع عمومی اقتصاد، رخدادهای سیاسی و انتظارات سرمایه گذاران، بر بازار سهام تاثیر می گذارد. بازار سهام، در حقیقت یک سیستم غیرخطی و آشوبناک است که به عوامل متعدد سیاسی، اقتصادی و روانی وابسته است، برای غلبه بر محدودیت تکنیکهای تحلیل سنتی در پیش بینی الگوهای غیرخطی، متخصصان طی دو دهه اخیر تکنیکهای هوشمند و بخصوص شبکههای عصبی مصنوعی و الگوریتم ژنتیک را برای بهبود پیش بینی قیمت سهام به کاربرده اند. این پژوهش، با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل موثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با استفاده از شبکه عصبی مصنوعی ارائه شده است. برای نمونه آماری، شرکت های برتر بورس اوراق بهادار در سه ماهه دوم سال ۱۳۹۹ انتخاب شده است. سپس برای هراین منظور، ۳۲ متغیر محاسبه شد. این متغیرها ورودی مدل هستند و به کمک الگوریتم شبکه عصبی مصنوعی بهینه سازی شده اند. نتایج نشان می دهد، مدل در پیش بینی روند حرکتی قیمت سهام بسیار بهتر عمل کرده و درمقایسه باروش های سنتی، از دقت بالاتری برخوردار است.
کلیدواژه ها:
نویسندگان
مهران سعیدی اقدم
Islamic Azad University Qazvin
احمد صادقی
Assistant Professor of Shahid Beheshti University
علیرضا بحیرایی
Assistant Professor of Semnan University
سید یوسف حاجی اصغری
Assistant Professor f Mianeh, Islamic Azad University
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 :