بررسی توان پیش بینی کنندگی روش های محاسباتی نوین در بازار بورس
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 432
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACLAW01_102
تاریخ نمایه سازی: 21 بهمن 1397
چکیده مقاله:
در این مقاله سعی بر این است تا با استقاده از سه مجموعه داده از قیمت سهام در سه بازه زمانی سریع، متوسط و کند؛ مشخص نماییم که کدام یک از مدل های شبکه های عصبی LoLiMoT, RBF بهترین برآورد و پیش بینی را از قیمت آینده سهام در هر یک از مجموعه داده ها ارایه خواهند نمود و برای نیل به این هدف از دو معیار خطای MSE و RMSE استفاده شده و در نهایت با مقایسه این خطاها بهترین مجموعه جهت استفاده در پیش بینی ها را مشخص نموده ایم، جهت تجزیه و تحلیل داده های مورد آزمون نیز از نرم افزار MATLAB استفاده شده است و در نهایت با بررسی نمودارهای مستخرج از نرم افزار و جدول مقایسه آماری مشخص گردید که در هر سه از مجموعه داده ها مدل شبکه عصبی LoLiMoT تقریب بهتری از آینده را ارایه می نماید و قدرت پیش بینی کنندگی بهتری را از مدل RBF داراست.
نویسندگان
ناصر شهسواری
دانشجوی کارشناسی ارشد حسابداری ،واحد الکترونیکی تهران، دانشگاه آزاد اسلامی تهران، ایران
هدی همتی
استاد دانشگاه. گروه حسابداری، واحد الکترونیکی تهران، دانشگاه آزاد اسلامی تهران، ایران
علی باغانی
استاد دانشگاه. گروه حسابداری، واحد الکترونیکی تهران، دانشگاه آزاد اسلامی تهران، ایران