عماد کوشا

عماد کوشا

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۵ مورد از کل ۵ مورد.
۱.

Predicting the Top and Bottom Prices of Bitcoin Using Ensemble Machine Learning(مقاله علمی وزارت علوم)

کلید واژه ها: Algorithmic Trading top and bottom price prediction ensemble machine learning Xgboost LightGBM

حوزه های تخصصی:
تعداد بازدید : 688 تعداد دانلود : 376
The purpose of the present study is to use the ensemble learning model to combine the predictions of Random Forest (RF), Long-Short Term Memory (LSTM), and Recurrent Neural Network (RNN) models for the Top and Bottom Prices of Bitcoin. To this aim, in the first stage, Bitcoin's top and bottom prices are predicted using three machine learning models. In the second stage, the outputs of the models are presented as feature variables to the Extreme Gradient Boosting (Xgboost) and Light Gradient Boosting Machine (LightGBM) models to predict the price tops and bottoms. Then, in the third stage, the outputs of the second stage are combined through the voting ensemble classifier pattern to predict the next top and bottom prices. The data of top and bottom Bitcoin prices in the 1-hour time frame from 1/1/2018 to the end of 6/30/2022 are used as target variables and 31 technical analysis indicators as feature variables for the three models in the first stage. 70% of the data is regarded as learning data, and the remaining 30% is considered for the second and third stages. In the second phase, 50% of the data is considered for learning the output of the previous stage and 50% for the test data. Finally, the prediction values are evaluated with real data for the three models and the proposed ensemble learning model. The results reveal the improvement of the performance, precision, and accuracy of the ensemble model compared to weak learning models.
۲.

تاثیر اعلام هدف شرکتها از افزایش سرمایه بر تغییرات قیمت سهام در پیرامون مجامع(مقاله علمی وزارت علوم)

تعداد بازدید : 374 تعداد دانلود : 152
هدف از این مطالعه بررسی تأثیر اعلام هدف از افزایش سرمایه شرکت ها برتغییرات قیمت سهام در پیرامون مجامع است.در این پژوهش اثرات قیمتی چهار روش افزایش سرمایه شامل حق تقدم ، سهام جایزه ، ترکیبی از این دو وروش مازاد تجدید ارزیابی دارایی ها به تفکیک سه هدف شرکت ها از اعلام افزایش سرمایه شامل طرح توسعه شرکت، اصلاح ساختار مالی و مشارکت در افزایش سرمایه شرکت های سرمایه پذیر مورد بررسی قرار گرفت. این پژوهش روی جامعه ی شامل 287 شرکت طی دوره چهار ساله ی 1394 الی 1397 انجام شده است. روش پژوهش تحلیل رویدادی است که به روش آمار توصیفی بازده های تئوریک و بازده تعدیل شده با شاخص اندازه گیری شده است. نتایج این پژوهش نشان داد که اختلاف میانگین قیمت تئوریک از میانگین قیمت پایانی روز معاملاتی بعد از مجامع در انتشار سهام جایزه،حق تقدم و مازاد تجدید ارزیابی دارایی ها مثبت است.بالاترین متوسط بازده تئوریک متعلق به شرکتهایی است که هدف مشارکت در افزایش سرمایه شرکت های سرمایه پذیر برای روش ترکیبی از حق تقدم وسهام جایزه، هدف اصلاح ساختارمالی برای روش تجدید ارزیابی دارایی ها و هدف طرح توسعه شرکت در روش سهام جایزه اعلام کرده بودند. در مورد سهام جایزه و تجدید ارزیابی دارایی ها با بالا رفتن درصد افزایش سرمایه اختلاف میانگین قیمت تئوریک از میانگین قیمت اولین روز معاملاتی بعد از مجامع و همچنین متوسط بازده تئوریک افزایش می یابد.بعلاوه بازده روزانه ی تعدیل شده با شاخص کل در چهار روش افزایش سرمایه و به تفکیک اهداف شرکت ها،در روز های پیرامون مجامع صفر نیست.
۳.

Measurement of Bitcoin Daily and Monthly Price Prediction Error Using Grey Model, Back Propagation Artificial Neural Network and Integrated model of Grey Neural Network(مقاله علمی وزارت علوم)

کلید واژه ها: Bitcoin Block Chain Grey model Back Propagation Artificial Neural Network Grey-Neural Network

حوزه های تخصصی:
تعداد بازدید : 469 تعداد دانلود : 897
One of the recent financial technologies is Block chain-based currency known as Cryptocurrency that these days because of their unique features has become quite popular. The first known Cryptocurrency in the world is Bitcoin, and since the cryptocurrencies market is a contemporary one, Bitcoin is currently considered as the pioneer of this market. Since the value of the previous Bitcoin prices data have a non-linear behaviour, this study aims at predicting Bitcoin price using Grey model, Back Propagation Artificial Neural Network and Integrated Model of Grey Neural Network. Then, the prediction’s accuracy of these methods will be measured using MAPE and RMSE indices and also Bitcoin price data for a five-year period (2014-2018). The results had indicated that wen estimating Bitcoin daily prices, Back Propagation Artificial Neural Network model has the lowest absolute error rate (5.6%) compared to the Grey model and the integrated model. Additionally, for the monthly prediction of Bitcoin price, the integrated model, with the lowest absolute error rate (9%), has a better performance than the two other models.
۴.

Performance Evaluation of the Technical Analysis Indicators in Comparison with the Buy and Hold Strategy in Tehran Stock Exchange Indices(مقاله علمی وزارت علوم)

کلید واژه ها: Algorithmic Trading Buy and hold strategy Intelligent Trading Systems Technical Analysis Technical Analysis Indicators

حوزه های تخصصی:
تعداد بازدید : 721 تعداد دانلود : 378
Technical analysis is one of the financial market analysis tools. Technical analysis is a method of anticipating prices and markets through studying historical market data. Based on the factors studied in this type of analysis, indicators are designed and presented to facilitate decision-making on buy and sell stress and then buy and sell action in financial markets. This research evaluates performances and returns of 10 conventional technical analysis indicators based on the strategies set on the total stock exchange index, the total index of OTC market and 8 other (non-correlated) industry indices by using Meta Trader software from 2008 to 2018. Also, the significance of the difference between the returns of the indicators is tested using the buy and hold strategy. The results show a significant difference between the returns using some of the technical analysis indicators in some indices and buy and hold strategy. The effectiveness of technical analysis strategies varies across industries and EMA and SMA with respectively 6 and 5 repetitions, are the best strategies and BB with just one repetition has the least repetition. The investment industry index with the most repetition is the industry in which the strategies used in this study have been able to provide an acceptable return.
۵.

بهینه سازی سبد مشتریان بانک انصار در گروه بانکداری خرد با استفاده از الگوریتم ژنتیک (مطالعه موردی بانک انصار)(مقاله علمی وزارت علوم)

کلید واژه ها: بهینه سازی سبد تسهیلات بانکداری خرد کمینه سازی ریسک تسهیلات مدل سازی غیر خطی مدلسازی آرمانی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : 255 تعداد دانلود : 431
امروزه با توجه به محدودیت های مربوط به ارائه تسهیلات، مدیران بانک ها نیاز به حل مسئله تصمیم گیری تخصیص منابع مالی یک بانک در قالب تسهیلات و عقود اسلامی با در نظر گرفتن اهداف بشینه سازی بازده و کمینه سازی ریسک نکول، دارند. در این پژوهش، جهت بهینه سازی سبد تسهیلات مشتریان خرد بانک انصار از سه مدل برنامه ریزی غیرخطی (دو تابع هدفه و تک تابع هدفه) و مدل آرمانی استفاده شده است. با توجه به تعداد محدودیت ها، متغیرها و ماهیت مدل ها، از الگوریتم فراابتکاری ژنتیک جهت حل استفاده شده است. در مدلسازی ریاضی مسئله بهینه سازی سبد تسهیلات محدودیت های سیاستی، بودجه ای و کفایت سرمایه در نظر گرفته شده است. طبق نتایج حاصله، جواب های بهینه ارائه شده با مقدار واقعی تخصیص داده شده تسهیلات به گروه بانکداری خرد توسط بانک، از نظر سود و ریسک نکول یعنی بر اساس تابع هدف تفاضل میزان سود حاصل از ارائه تسهیلات و میزان تسهیلات نکول شده، نتایج بهتری را ارائه داده است. همچنین این جواب ها توانسته است توازن حجم تسهیلات را در نوع عقود و گروه های مشتریان نسبت به وام دهی انجام شده همراه با در نظر گرفتن محدودیت های دیگر بهبود دهد. از بین مدل های ارائه شده مدلی که ریسک نکول را به تنهایی کمینه سازی کرده است بهترین عملکرد را بر اساس تابع هدف اشاره شده نسبت به ما بقی مدل ها داشته است.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان