ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی بازده سهام بااستفاده ازشبکه ی عصبی تطبیقی

تعداد صفحات: 20 | تعداد نمایش خلاصه: 133 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: ACCFIN01_211
زبان مقاله: فارسی
(فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 20 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی بازده سهام بااستفاده ازشبکه ی عصبی تطبیقی

عطیه رنگین کمان - دانشجوی کارشناسی ارشدمهندسی صنایع -سیستم های اقتصادی واجتماعی ، دانشگاه
بوعلی سینا - استادیارگروه مهندسی صنایع ، دانشگاه بوعلی سینا

چکیده مقاله:

کسب بازده اولویت اصلی سرمایه گذاران فعال دربازاربوس است. بنابراین ارزیابی وپیش بینی بازده سهام می تواندنقش بسزایی درزمینه انتخاب سهام توسط سرمایه گذاران داشته با شد. شبکه های عصبی مصنوعی یکی ازابزارهای هوشمندی هستند که درزمینه پیش بینی بسیارمورد توجه قرارگرفته اند.عوامل مختلفی درطراحی شبکه های عصبی موثرندکه بسته به نوع مسئله ، فردخبره بایدتوپولوژ شبکه ، تابع فعال سازی، تعدادلایه ها ونرون ها درهرلایه رامشخص کند. دراین تحقیق یک روش خودکارجدیدبرای طراحی شبکه های عصبی براساس داده های ورودی وخروجی پیشنهادشده است . دراین پژوهش الگوریتم تکامل تفاضلی، عهده دار طراحی شبکه عصبی نزدیک به بهینه به جای فردخبره است.پارامترهای الگوریتم تکامل تفاضلی به صورت تطبیقی وبااستفاده ازاتوماتای یادگیردرحین فرایند جست وجو تنظیم می گردند. نتایج حاکی از پیش بینی قابل قبول شبکه ی عصبی پیشنهادی ازبازده سهام دربورس اوراق بهادارتهران است

کلیدواژه ها:

بازده سهام، شبكه عصبي مصنوعي، الگوريتم تكامل تفاضلي، اتوماتاي يادگير

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/420251/

کد COI مقاله: ACCFIN01_211

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:
رنگین کمان، عطیه و سینا، بوعلی،1392،پیش بینی بازده سهام بااستفاده ازشبکه ی عصبی تطبیقی،کنفرانس ملی حسابداری و مدیریت،تهران،،،https://civilica.com/doc/420251

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: (1392، رنگین کمان، عطیه؛ بوعلی سینا)
برای بار دوم به بعد: (1392، رنگین کمان؛ سینا)
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 :

  • آذر، عادل و رجب زاده قطری، علی (1379). «ارزیابی ترکیبی ... (مقاله ژورنالی)
  • چاوشی, کاظم و راعی, رضا (1382). «پیش بینی بازده سهام ...
  • حاتمی، نیما و رضا زاده، حجت و ابراهیم پور، رضا ... (مقاله ژورنالی)
  • حنفی زاده، پیام و جعفری، ابوالفضل (1389. « مدل ترکیبی ... [مقاله ژورنالی]
  • خالو زاده، حمید و خاکی، علی (1382. « ارزیابی روشهای ... (مقاله ژورنالی)
  • نمازی، محمد و کیامهر، محمد مهدی (1386). « پیش‌بینی بازده ...
  • مر کز همایش های پژوهشگاه نیرو. تهران NRI Conference Center, ... (مقاله کنفرانسی)
  • مر ز همایش های NRI Conference _ forecast realized return ... (مقاله کنفرانسی)
  • Askarzadeh, A, & Rezazadeh, _ (2012). Artificial neural network training ...
  • Barkoulas, J. T., Baum, C. F., & Travlos, N. (2000). ...
  • Estrada, J. (2002). Me am- semivariance behavior (II): the D-CAPM ...
  • Garro, B. _ Sossa, H., & Vazquez, R. A. (2009). ...
  • Garro, B. _ Sossa, H., & Vazquez, R. A. (2010). ...
  • Hashemi, A. B., & Meybodi, _ R. (2011). A note ...
  • Hunt, S. D., & Deller Jr, J. R. (1995). Selective ...
  • Kabudian, J., Meybodi, M. R., & H omayounpou. M. M. ...
  • Oomen, R. (2001). Using high frequency stock market index data ...
  • Sexton, R. S., & Gupta, J. N. (2000). Comparative evaluation ...
  • Shaw, D., & Kinsner, W. (1996). Chaotic simulated annealing in ...
  • Storn, R., & Price, K. (1997). Differential evolution-a simple and ...
  • Yaghini, M., Khoshraftar, M. M., & Fallahi, M. (2013). A ...
  • Yu, J., Xi, L., & Wang, S. (2007). An improved ...
  • Zhang, J.-R., Zhang, J., Lok, T.-M., & Lyu, M. R. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • هوش مصنوعی > شبکه عصبی
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    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.

    پشتیبانی