ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

استفاده از الگوی طبقه بندی در داده کاوی اطلاعات مالی مطالعه موردی شرکت تهران پادنا

سال انتشار: 1394
کد COI مقاله: MRMEA01_256
زبان مقاله: فارسیمشاهده این مقاله: 290
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

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 به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از الگوی طبقه بندی در داده کاوی اطلاعات مالی مطالعه موردی شرکت تهران پادنا

نسرین بیگ زاده - کارشناسی ارشد مهندسی صنایع، دانشگاه تربیت مدرس
مجید دهقان - کارشناسی ارشد مهندسی صنایع، دانشگاه تربیت مدرس
بختیار استادی - استادیار گروه مهندسی صنایع، دانشگاه تربیت مدرس

چکیده مقاله:

مشتریان بازار سهام نیازمند پیش بینی وضعیت آتی شرکتهای بورس برای کمک به تصمیم گیری آنها درانتخاب سهام مناسب میباشند. پیش بینی مطلوبی از وضعیت سود دهی سهام شرکتها، شرایطی را به وجود می آورد که سرمایه گذاران با اطمینان خاطر بیشتری سرمایه گذاری کنند. یکی از رویکردهای آنالیز و تحلیل داده ها، رویکرد داده کاوی می باشد. هدف کشف دانش و داده کاوی یافتن الگوها و یامدل های جالب موجود در پایگاه داده ها می باشد. داده های خام به ندرت به طور مستقیم مورد استفاده مفید واقع می شوند و ارزش واقعی الگوریتم های داده کاوی در توانایی استخراج اطلاعات مفید برایپشتیبانی تصمیم و درک پدیده ها و قواعد حاکم بر منابع داده می باشد. برای این منظور ابتدا بررسی جامعی روی مشخصه های تاثیر گذار بر روی ریسک و بازده سهام که مهم ترین عوامل تاثیر گذار درپیش بینی وضعیت سهام شرکت ها می باشند، انجام شد و معیارهای تاثیر گذار از بین مشخصه های بازار سهام، استخراج گردید. بر این اساس بر اساس اطلاعات بورس یک پایگاه داده ایجاد می شود. سپس بااستفاده از متدهای کلاس بندی در داده کاوی به پیش بینی ریسک و بازده پرداخته شده و مقایسه ای بین متدهای مختلف کلاس بندی انجام گردید و با استفاده از الگوریتم های انتخاب ویژگی، به بررسیاهمیت ویژگیها در پیش بینی ریسک و بازده پرداخته شده و علت قدرت و ضعف الگوریتم ها بررسی شد. دقت مناسب نتایج پیش بینی حاکی از آن است که مشخصه های استفاده شده معرف مناسبی برای ریسک و بازده میباشند. نتایج حاصل در شرکت تهران پادنا به عنوان مطالعه موردی مورد بررسی قرار گرفت.

کلیدواژه ها:

بازار سهام، ریسک و بازدهی ، الگوریتم های کلاس بندی، داده کاوی، مقایسه مدل های کلاس بندی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا MRMEA01_256 میباشد و 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/436924/

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:
بیگ زاده، نسرین و دهقان، مجید و استادی، بختیار،1394،استفاده از الگوی طبقه بندی در داده کاوی اطلاعات مالی مطالعه موردی شرکت تهران پادنا،کنفرانس بین المللی پژوهشهای نوین در مدیریت، اقتصاد وحسابداری ،،،https://civilica.com/doc/436924

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: (1394، بیگ زاده، نسرین؛ مجید دهقان و بختیار استادی)
برای بار دوم به بعد: (1394، بیگ زاده؛ دهقان و استادی)
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 مقاله لینک شده اند :

  • غضنفریم، عبازاده. س، _ تیمورپور.ب.(9633) "داده کاوی و کشف دانش"، ... [مقاله کنفرانسی]
  • Huang, C.F.(2012). A hybrid stock selection model using genetic algorithms ...
  • Hui Cao, Gangquan, S, ZHANG. Y, and Lixin Jia.(20 10)"Enhancing ...
  • Kara, y, B oyacioglu and Baykan , kaan(201 1)."predicting direction ...
  • Lai.k, Fan.y, Huang.w and Chang.p. (2009)" evolving and clustering fuzzy ...
  • Li .s and Kuo. s(200 8)"knowledge discovery in financial investment ...
  • M atignon, randall .(2007)"Data mining using Sas enterprise miner", journal ...
  • Mochon. A, Quintana. D, and S aez. Y.(2008)'Soft computing techniques ...
  • Schwager.j ack. (2000)The great fundamental versus technical analysis debate", in ...
  • Tsai.ch and Hsiao.ch.(20 10)"Combining multiple feature selection methods for stock ...
  • Tsai, chih- fong, Lin, yuah-chiao , Yen _ david and ...
  • Wang, hai and Wang , shouhong _ (2009) TDiscovering patterns ...
  • Witten.h, and Frank.e.(201 1)"Data mining: practical machine learning tools and ...
  • APPLICA TIONS AND RE VTE WS.Vol.34, No .4, 513-522. P ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    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:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 29,240
    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 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