بهبود عملکرد پیش بین یهای مالی با استفاده از معماری های مختلف ترکیب مدل های خطی کلاسیک و غیرخطی هوشمند

سال انتشار: 1395
محل انتشار: کنفرانس بین المللی مهندسی صنایع و مدیریت پایدار
کد COI اختصاصی: IESM03_056
زبان مقاله: فارسی
تعداد مشاهده: 542

نویسندگان

دانشکده مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان، اصفهان، ایران

چکیده

امروزه بهرغم وجود روشهای متعدد پیش بینی، هنوز پیش بینی دقیق سری های زمانی کار چندان ساده ایی نیست و اکثر محققان در صددبه کارگیری ترکیب روش های متفاوت به منظور دستیابی به نتایج دقیق تر می باشند. استفاده از مدل های ترکیبی یا ترکیب مدل های مختلف یکراه حل معمول به منظور بهبود دقت پیش بینی است. در ادبیات موضوع پیش بینی سری های زمانی، ترکیب مدل های خطی کلاسیک و غیرخطیهوشمند یکی از معمول ترین روشهای ترکیبی به منظور بهبود دقت پیش بینی می باشد. مدل های میانگین متحرک خودرگرسیون انباشته وشبکه عصبی به ترتیب از مهمترین و پرکاربردترین مدل های خطی کلاسیک و غیرخطی هوشمند در پیش بینی سری های زمانی می باشند که درچند دهه اخیر به وفوردر مدل های ترکیبی مورد استفاده قرارگرفته اند. در این مقاله به منظور بهبود دقت پیش بینی ها درمحیط های مالی وهمچنین غلبه بر محدودیت های مدلهای تکی، معماری های مختلف ترکیب این دو مدل پیشنهاد شده است. نتایج حاصله از به کارگیری مدل هایترکیبی مختلف درپیش بینی شاخص قیمت سهام داووجونز، بیانگر کارآمدی مدل های ترکیبی در تقابل با مدل های خودرگرسیون میانگینمتحرک انباشته و شبکه های عصبی مصنوعی می باشد.

کلیدواژه ها

مدل های خودرگرسیون میانگین متحرک انباشته (ARIMA)، شبکه های عصبی مصنوعی (ANN)، معماری های ترکیب، پیش بینی قیمت سهام

مقالات مرتبط جدید

اطلاعات بیشتر در مورد 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.