سال انتشار: 1393
محل انتشار: اولین همایش ملی پژوهش های مهندسی رایانه
کد COI مقاله: RCEITT01_227
زبان مقاله: فارسیمشاهد این مقاله: 877
فایل این مقاله در 18 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 18 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله ارائه یک تکنیک نوین هوشمند جهت پیش بینی داده های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی
چکیده مقاله:
امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد جامعه را تشکیل می دهد، به همین دلیل باتوجه به تولید حجم وسیع وبیشمار داده در بورس به صورت روزانه، پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانندبالاترین بازده را از سرمایه گذاری خود کسب کنند. تکنیک های داده کاوی علاوه بر جمع آوری و مدیریت دادهها، آنالیز و پیش بینی هایی را نی شامل می شود که کشف الگوهای موجود و روابط ناشناختهی میان داده ها ما را در امر پیش بینی یاری میرساند. باتوجه به اینکه بازار سهام یک سیست غیرخطی و آشوبناک است لذا پیشبینی هرچه دقیق تر داده های حجیم بورس نیازمند اب ارهای هوشمند و پیشرفتهای مانند شبکههای عصبی و الگوریتم های فرا ابتکاری است. در این تحقیق با استفاده از تکنیکهای داده کاوی به ارائه روشی نوین هوشمند جهت پیش بینی داده های حجیم بورس با استفادهاز الگوریتم فرا ابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی خواهیم پرداخت. مدل پیشنههادی رابرروی داده های شرکتهای IBM ، Apple ، Dell و نیز قیمت طلا در بازار جهانی اجرا کرده اید ، سپس نتایج بدست آمده با الگوریتم های HMM ، GFIS ، ANFIS ، CGFS ، PSO ، GA ، ARIMA ، ANN ، ANN-ICA ، ANN-GA ، ANN-HMM-Fuzzy ، HMM-ANN-GA مقایسه شده است. نتایآ نشان می دهد دقت پیش بینی، نسبت به سایر مدن ها به مراتب بهتر بوده است.
کلیدواژه ها:
داده كاوي، پيش بيني داده هاي حجيم بورس، پيش بيني قيمت جهاني طلا، شبكه عصبي مصنوعي، آموزش شبكه عصبي، الگوريت فراابتكاري جستجوي هارموني
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/347306/
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،ارائه یک تکنیک نوین هوشمند جهت پیش بینی داده های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی،اولین همایش ملی پژوهش های مهندسی رایانه،تهران،،،https://civilica.com/doc/347306
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.
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
- بررسی آلودگی صوتی ناشی از پرواز هواپیما و راهکار کاهش آن
- کاربرد تکنیک های داده کاوی در بازار بورس تهران
- بررسی روابط مسافت دید در آیین نامه های مختلف جهت انتخاب بهینه در طرح هندسی راه
- معماری و مشکلات امنیتی اینترنت اشیاء
- تحمل پذیری اشکال در سطح سیستم عامل نهفته بی درنگ: مطالعه موردی بر سیستم عامل QNX
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- مطالعه و بهبود پایداری ولتاژ با جایابی بهینه STATCOM در سیستم قدرت
- عنوان تخمین زاویه ورود تعداد نامعلوم سیگنال همدوس با استفاده از قطری سازی آماره گشتاور مرتبه چهارم
- مروری بر پیام های AIS تجاری، بررسی یک پیام به صورت کاربردی
- مروری بر روش های مدیریت دانش به منظور افزایش بهره وری تیمی در توسعه نرم افزار چابک
- پیاده سازی ارزیابی عملکردی و امنیتی فایروال های نسل چهارم
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.