فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۲٬۸۰۱ تا ۲٬۸۲۰ مورد از کل ۳٬۹۷۹ مورد.
۲۸۰۸.

پیش بینی قیمت سهام با رویکرد ترکیبی شبکه عصبی مصنوعی و الگوریتم رقابت استعماری مبتنی بر تئوری آشوب(مقاله علمی وزارت علوم)

کلید واژه ها: شبکه عصبی پیش بینی قیمت سهام الگوریتم رقابت استعماری مبتنی بر تئوری آشوب

حوزه های تخصصی:
تعداد بازدید : ۷۶۲ تعداد دانلود : ۱۱۷۸
یکی از گزینه های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت های آشوبی و الگوریتم رقابت استعماری، زاویه حرکتی مستعمرات به سمت استعمارگر اصلاح شده و به این ترتیب احتمال قرارگیری در دام نقطه بهینه محلی تا حد ممکن کاهش یابد. هدف این مقاله معرفی و مقایسه عملکرد رویکرد پیشنهادی با سایر الگوریتم های بهینه سازی جستجوی پیشین می باشد. از اینرو با استفاده از اطلاعات قیمتی روزانه سهام شرکت ایران خودرو بین سال های 1389 تا 1395 به آموزش شبکه عصبی با الگوریتم های بهینه سازی مختلف پرداختیم. جهت ارزیابی میزان عملکرد رویکردها، از سه دیدگاه: میزان دقت پیش بینی(آماره های اندازه گیری خطاR2,RMSE)، میزان حافظه مصرفی و زمان اجرایی استفاده شد، نتایج حاکی از آن است که رویکرد پیشنهادی از عملکرد بهتری نسبت به سایر رویکردهای پیشین برخوردار می باشد.
۲۸۱۴.

شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF(مقاله علمی وزارت علوم)

کلید واژه ها: شبکه عصبی مصنوعی قیمت سهام الگوریتم ژنتیک دستکاری قیمت سهام حفاظت از بازار

حوزه های تخصصی:
تعداد بازدید : ۷۶۰ تعداد دانلود : ۳۹۳
هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده های مربوط به 316 شرکت از نخستین روز کاری سال 1389 تا آخرین روز کاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آماره های اندازه گیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد که مدل ANN-GA در شناسایی دستکاری قیمت سهام و طبقه بندی شرکت ها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل SQDF داشته و خطای بسیار کمتری دارد.
۲۸۱۵.

بررسی نگرش سهامداران نسبت به بورس و تأثیر آن بر درآمد، اشتغال و تنوع در فعالیت های اقتصادی: مطالعه موردی شهرهای اصفهان، کرج، سمنان، همدان، قم، شیراز، زنجان

کلید واژه ها: اشتغال توزیع درآمد سازمان بورس اوراق بهادار متنوع سازی فعالیت ها

حوزه های تخصصی:
تعداد بازدید : ۷۶۰ تعداد دانلود : ۵۳۶
هدف اصلی پژوهش، بررسی نگرش سرمایه گذاران نسبت به بورس و بررسی تأثیر آن بر درآمد، اشتغال و تنوع در فعالیت های اقتصادی می باشد و به صورت موردی در شهرهای همدان، سمنان، شیراز، زنجان، قم، کرج و اصفهان مورد آزمون واقع گردید. هدف توسط 6 فرضیه مورد آزمون واقع شده است. این تحقیق از نوع توصیفی-پیمایشی از شاخه میدانی است و روش گردآوری مباحث نظری آن کتابخانه ای بوده و داده های آن به صورت نمونه گیری از طریق پرسشنامه به دست آمده است. در این پژوهش از آزمون کای دو برای بررسی نگرش سرمایه گذاران نسبت به بورس و از آزمون همبستگی پیر سون به منظور بررسی رابطه بورس بر درآمد و اشتغال و تنوع در فعالیت های اقتصادی و از آزمون ANOVA به منظور بررسی نگرش و وضعیت اقتصادی شهرهای مورد مطالعه نسبت به بورس استفاده گردید. نتایج حاکی از آن است که سرمایه گذاران نگرش مطلوبی نسبت به بورس ندارند و بین سرمایه گذاری در بورس و میزان درآمد و اشتغال و تنوع در فعالیت های اقتصادی رابطه مثبت و مستقیم وجود دارد، به این معنا که سرمایه گذاری در بورس موجب افزایش درآمد، اشتغال و افزایش تنوع در فعالیت های اقتصادی جامعه می شود.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان