پیش بینی دوران رکود و رونق در بازار اوراق بهادار تهران با استفاده از مدل های MS و NSGA-ANN
عنوان مقاله: پیش بینی دوران رکود و رونق در بازار اوراق بهادار تهران با استفاده از مدل های MS و NSGA-ANN
شناسه ملی مقاله: JR_FEJ-9-37_014
منتشر شده در شماره 37 دوره 9 فصل در سال 1397
شناسه ملی مقاله: JR_FEJ-9-37_014
منتشر شده در شماره 37 دوره 9 فصل در سال 1397
مشخصات نویسندگان مقاله:
فرزانه عبدالهیان - دانشجوی دکتری، گروه مدیریت صنعتی، گرایش تحقیق در عملیات، دانشگاه آزاد اسلامی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
محمد ابراهیم محمد پورزرندی - استاد گروه مدیریت صنعتی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
محمد هاشمی نژاد - استادیار گروه مدیریت، واحد علوم پزشکی، دانشگاه آزاد اسلامی، تهران، ایران
مهرزاد مینویی - استادیار گروه مدیریت صنعتی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
خلاصه مقاله:
فرزانه عبدالهیان - دانشجوی دکتری، گروه مدیریت صنعتی، گرایش تحقیق در عملیات، دانشگاه آزاد اسلامی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
محمد ابراهیم محمد پورزرندی - استاد گروه مدیریت صنعتی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
محمد هاشمی نژاد - استادیار گروه مدیریت، واحد علوم پزشکی، دانشگاه آزاد اسلامی، تهران، ایران
مهرزاد مینویی - استادیار گروه مدیریت صنعتی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
بورس اوراق بهادار یکی از ابزارهای مالی کشورها در کل دنیا محسوب می شود. وقوع رکود در این بازار میتواند اثرات مهمی از جمله کاهش نقدینگی، کاهش سودآوری شرکت های پذیرفته شده در بورس و همچنین کاهش رشد اقتصادی را در پی داشته باشد. در این مقاله به دنبال استخراج و پیش بینی سیکل های زمانی در بورس اوراق بهادار هستیم. در ابتدا با استفاده از شاخص کل بورس و بهره گیری از مدل MSI(3)AR(2) سه سیکل زمانی رکود، رونق متوسط و رونق بالا در بورس اوراق بهادار استخراج میشود. سپس با استفاده از ادغام الگوریتم NSGA(II) و سه مدل شبکه عصبی مهم ترین متغیرهای پیش بین به تفکیک هر مدل تعیین شده و به پیش بینی وضعیت سه ماه آینده بازار میپردازیم. در نهایت عملکرد سه نوع شبکه عصبی پرسپترون چند لایه، پایه شعاعی و شبکه احتمالی در انتخاب ویژگی و پیش بینی وضعیت آینده بازار با یکدیگر مقایسه شد. نتایج حاکی از آن است نتایج حاکی از آن است که هر سه مدل مورد نظر با توجه به معیارهای میزان خطا، دقت مدل و ضریب کاپا نتایج قابل قبولی را ارائه می دهند و مدل شبکه احتمالی نسبت به سایر مدل ها از خطای پایین تر، دقت و ضریب کاپا بیشتری برخوردار است.
کلمات کلیدی: بازار خرسی, بازار گاوی, مارکوف سوئیچینگ, الگوریتم ژنتیک, شبکه عصبی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/958541/