پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

علی رئوفی; تیمور محمدی

پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

محل انتشار: فصلنامه پژوهش های اقتصادی ایران، دوره: 23، شماره: 76

سال انتشار: 1397

نوع سند: مقاله ژورنالی

زبان: فارسی

مشاهده: 457

فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد

دریافت فایل کامل مقاله

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > شبکه عصبی

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/885775

شناسه ملی سند علمی:

JR_IJER-23-76_004

تاریخ نمایه سازی: 11 تیر 1398

چکیده مقاله:

همواره مدلسازی و پیشبینی متغیرهای مالی یکی از موضوع های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیشبینی سریهای زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم میآورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیشبینی کرد. در این روش، با استفاده از تجزیه موجک، نویزهای تصادفی دادههای ورودی شبکه عصبی فازی تطبیقی کاهش مییابد و ازاین رو، این عمل باعث کاهش خطا و بهبود در پیشبینی سری زمانی آشوبی موردنظر می شود. در این مقاله، روش یادشده با استفاده از سری بازده بورس اوراق بهادار تهران در بازه زمانی 8/1/1390 تا 1/07/1395 مورد ارزیابی قرار گرفته که نتایج بیان کننده برتری روش پیشنهادی نسبت به سایر روشهاست. همچنین معناداری اختلاف در پیشبینی مدلهای مختلف با استفاده از آزمون MGN مورد بررسی قرار گرفت که نتایج نشان دهنده اختلاف معنادار در پیشبینی مدلهای مختلف بود.

کلیدواژه ها:

تبدیل موجک ، شبکه عصبی فازی تطبیقی ، محاسبات نرم ، نویززدایی ، بورس اوراق بهادار

نویسندگان

علی رئوفی

دانشجوی دکترای اقتصاد مالی، دانشگاه علامه طباطبائی

تیمور محمدی

دانشیار دانشکده اقتصاد دانشگاه علامه طباطبائی

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 :

آرمن، سیدعزیز و علی رئوفی (1393)، ارزیابی پیشبینیپذیری قیمت طلا ...
رضایی، وحید (1390)، بررسی رفتار آشوبناک در سری زمانی قیمت ...
رئوفی، علی (1392)، شناسایی سیستم مولد دادههای شاخص بورس اوراق ...
زراءنژاد، منصور و علی رئوفی (1394)، ارزیابی و مقایسه عملکرد ... [مقاله ژورنالی]
زراءنژاد، منصور، پویان کیانی، صلاح ابراهیمی و علی رئوفی (1391)، ...
صادقی، حسین و مهدی ذوالفقاری (1389)، پیشبینی کوتاهمدت تقاضای برق ... [مقاله ژورنالی]
عباسینژاد، حسین و شاپور محمدی (1384)، تحلیل سیکلهای تجاری با ... [مقاله ژورنالی]
کیانی بجستانی، آرمان، یاسر محمدیان روشن، ناصر پریز و محمدرضا ... [مقاله کنفرانسی]
پیش بینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا) [مقاله ژورنالی]
مشیری، سعید، کامران پاکیزه، منوچهر دبیریان و ابوالفضل جعفری (1389)، ... [مقاله ژورنالی]
نادری، اسماعیل (1391)، تحلیل آشوب و بررسی عملکرد مدلهای خطی ...
Abbasi, E., & Abouec, A. (2008). Stock price forecast by ...
Burrus, C. S., Gopinath, R. A., Guo, H., Odegard, J. ...
Diebold, F. X., & Mariano, R. S. (2002). Comparing predictive ...
Jang, J. S. (1993). ANFIS: adaptive-network-based fuzzy inference system. IEEE ...
Karim, S. A. A., Karim, B. A., Ismail, M. T., ...
Cao, Q., Leggio, K. B., & Schniederjans, M. J. (2005). ...
Lineesh, M. C., & John, C. J. (2010). Analysis of ...
Raoofi, A. (2014). Identifying data generator process of Tehran stock ...
Raoofi, A., Zarranezhad, M., Bayani, O. (2015). Assessment and Comparison ...
Raoofi, A., Montazer-Hojjat, A. H., & Kiani, P. (2016). Comparison ...
Srinivasan, K., & Fisher, D. (1995). Machine learning approaches to ...
Tan, C., & Pedersen, C. N. S. (2009). Financial time ...
Gao, X., Xiao, F., Zhang, J., & Cao, C. (2004). ...
Zarranezhad, M, Kiyani, P., Ebrahimi, S., Raoofi, A. (2013). Forecasting ...
Zarranezhad, M., Raoofi, A. (2015). Evaluation and comparison of forecast ...
Zarranezhad, M., Raoofi, A. and Kiani, P. (2012). Evaluation and ...

نمایش کامل مراجع