سال انتشار: 1393
کد COI مقاله: AEBSCONF01_408
زبان مقاله: فارسیمشاهد این مقاله: 2,148
فایل این مقاله در 5 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 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله بررسی روش های پیش بینی قیمت سهام در بازار بورس و معرفی روش بهینه
چکیده مقاله:
پیش بینی قیمت سهام از اهمیت خاصی برای سهامداران برخوردار است تا بیشترین سود را کسب و همواره به دنبال راهکارهای منطقی و دقیق جهت پیش بینی بوده اند. تکنیک های داده علاوه بر جمع آوری و مدیریت داده ها، آنالیز و پیش بینی های را نیز شامل می شود که کشف الگوهای موجود و روابط ناشناخته ی میان داده ها ما را در امر پیش بینی یاری می رساند. در این مقاله با استفاده از تکنیک های داده کاوی و معرفی روش های پیش بینی قیمت سهام از جمله روشهای سنتی و مدرن، با توجه به این که بازار سهام یک سیستم غیر خطی و آشوبناک است لذا به کارگیری ابزارهای تجزیه و تحلیل سنتی برای اتخاذ تصمیم های دقیق در مورد سهام بسیار مشکل بودهن و از دقت لازم نسبت به روش های مدرن برخوردار نیستند.از این رو به مقایسه پنج متد از روشهای پیش بینی مدرن پرداخته و از این روش بهینه معرفی می گردد.
کلیدواژه ها:
داده كاوي، پيش بيني قيمت سهام، بازار بورس، تكنيك هاي هوش مصنوعي، شبكه عصبي، سيستم هوشمند فازي با پايه الگوريتم ژنتيك
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/304113/
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:آقاخانی، کیارش و کریمی، عباس،1393،بررسی روش های پیش بینی قیمت سهام در بازار بورس و معرفی روش بهینه،همایش ملی الکترونیکی دستاوردهای نوین در علوم مهندسی و پایه،اردبیل،،،https://civilica.com/doc/304113
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، آقاخانی، کیارش؛ عباس کریمی)
برای بار دوم به بعد: (1393، آقاخانی؛ کریمی)
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.
کدام مقالات به این منبع استناد نموده اند
- پیشبینی حجم سهام معامله شده شرکت پتروشیمی فارابی در بورس با استفاده از الگوی به دست آمده توسط درخت تصمیم در دادهکاوی(1395)
- بررسی روشهای سنتی و مدرن پیش بینی قیمت سهام در بازار بورس و معرفی روش بهینه(1393)
- پیشبینی حجم معاملات شرکت پتروشیمی مارونبا استفاده از الگوهای بهدستآمده توسط روشهای دادهکاوی(1394)
بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 3 مقاله استفاده شده است.
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
- تکنیک های داده کاوی در پیش بینی قیمت سهام بورس اوراق بهادار
- مروری بر الگوهای مارکوف سویچینگ و کاربردهای آن در اقتصاد
- ارائه ی روشی جهت تعیین نقاط حادثه خیز جاده ای با استفاده از سیستم اطلاعات مکانی و فرآیندهای تصمیم گیری چند معیاره
- بکارگیری الگوریتم های هوش مصنوعی در پیش بینی قیمت سهام با رویکرد نظریه آشوب
- آلاینده های خاک و روش های پاکسازی آنها
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
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.