سال انتشار: 1393
محل انتشار: همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات
کد COI مقاله: CSITM01_473
زبان مقاله: فارسیمشاهد این مقاله: 1,254
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله پیشبینی روند الگوهای قیمت سهام با استفاده از الگوریتم ژنتیک و دو روش منتخب هوش مصنوعی
چکیده مقاله:
پیش بینی حرکت شاخص قیمت سهام در پیش بینی سری های زمانی مالی، به عنوان یک کار چالش برانگیز تلقی می گردد. پیش بینی دقیق حرکت قیمت سهام ممکن است برای سرمایه گذاران با سود همراه باشد. با توجه به پیچیدگی اطلاعات بازار سهام، توسعه مدل های کارآمد برای پیش بینی بسیار دشوار است .هدف اصلی این پژوهش را می توان تهیه مدلی پیش بینی کننده، به منظور پیش بینی جهت نزولی یا صعودی بودن قیمت سهام در آینده معرفی نمود. جهت مدل سازی، از الگوریتم ژنتیک برای پیدا کردن متغیرهای بهینه استفاده شده و سایر روش های هوش مصنوعی از جمله K نزدیک ترین همسایگی، درخت تصمیم J48 با شاخص دقت ACC، سطح زیر نمودار (ROC(AUC و شاخص F، برای حل مدل به کار رفته اند، همچنین به مقایسه عملکرد آنها، در پیش بینی جهت حرکت روزانه ی 100 شاخص ملی بورس اوراق بهادار استانبول ،پرداخته می شود .بازه ی جمع آوری داده ها از 1997 الی 2007 می باشد و تعداد کل رکوردهای موجود در این مجموعه شامل 2733 رکورد در روز کاری می باشد . ده شاخص فنی به عنوان ورودی مدل های ارائه شده انتخاب شده اند، سپس با استفاده از الگوریتم ژنتیک شاخص های بهینه انتخاب و پیش بینی مربوط به تغییر جهت حرکت سهام ، مدل سازی شده است . درنهایت با استفاده از درخت تصمیم J48 بهترین عملکرد به دست آمده است.
کلیدواژه ها:
داده كاوي ، هوش مصنوعي، الگوريتم ژنتيك، بورس اوراق بهادار، درخت تصميم K, J48 نزديك ترين همسايگي
کد مقاله/لینک ثابت به این مقاله
برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://civilica.com/doc/283014/
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:نورالسناء، رسول و محمودی، منیر و سلیمانی، پریا،1393،پیشبینی روند الگوهای قیمت سهام با استفاده از الگوریتم ژنتیک و دو روش منتخب هوش مصنوعی،همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات ،تهران،،،https://civilica.com/doc/283014
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، نورالسناء، رسول؛ منیر محمودی و پریا سلیمانی)
برای بار دوم به بعد: (1393، نورالسناء؛ محمودی و سلیمانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
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 ممقالهقاله لینک شده اند :مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مقالات پیشنهادی مرتبط
- به کارگیری هوش مصنوعی برای انتخاب سهام مناسب در بورس اوراق بهادار
- ارائه ی روشی جهت تعیین نقاط حادثه خیز جاده ای با استفاده از سیستم اطلاعات مکانی و فرآیندهای تصمیم گیری چند معیاره
- یکپارچه سازی رو شهای هوش مصنوعی جهت ارائه (گسترش) مدل پیش بینی قیمت سهام
- اختلال سلوک در کودکان و نوجوانان
- آلاینده های خاک و روش های پاکسازی آنها
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- BSFS: A Bidirectional Search Algorithm for Flow Scheduling in Cloud Data Centers
- DeepSumm: A Novel Deep Learning-Based Multi-Lingual Multi-Documents Summarization System
- Social Groups Detection in Crowd by Using Automatic Fuzzy Clustering with PSO
- Facial Images Quality Assessment based on ISO/ICAO S tandard Compliance Estimation by HMAX Model
- A New Non- Gaussian Performance Evaluation Method in Uncompensated Coherent Optical Transmission Systems
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.