بررسی توان پیش بینی کنندگی روش های محاسباتی نوین در بازار بورس
- سال انتشار: 1397
- محل انتشار: کنفرانس ملی اندیشه های نوین و خلاق در مدیریت،حسابداری مطالعات حقوقی و اجتماعی
- کد COI اختصاصی: ACLAW01_102
- زبان مقاله: فارسی
- تعداد مشاهده: 533
نویسندگان
دانشجوی کارشناسی ارشد حسابداری ،واحد الکترونیکی تهران، دانشگاه آزاد اسلامی تهران، ایران
استاد دانشگاه. گروه حسابداری، واحد الکترونیکی تهران، دانشگاه آزاد اسلامی تهران، ایران
استاد دانشگاه. گروه حسابداری، واحد الکترونیکی تهران، دانشگاه آزاد اسلامی تهران، ایران
چکیده
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.کلیدواژه ها
پیش بینی، شبکه های عصبی LoLiMoT، RBFمقالات مرتبط جدید
- نقش شهرداری در جلوگیری از تخلفات ساختمانی
- نقش شهرداریها در کنترل و نظارت بر ساخت و سازها در شهر قایمیه
- نقش اخلاق حرفه ای در پیشگیری از تعارض منافع در سازمانهای شهری مطالعه موردی: شهرداریها
- بررسی تاثیر اجرای ماده ۱۰۰ شهرداری بر کاهش تخلفات ساختمانی با نقش واسطهای بازدارندگی حقوقی و آگاهی شهروندان
- بررسی ضرورت احداث سینما و تاثیر آن بر فرهنگ عمومی مردم ایلام
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.