حسین کیانی زاده

حجم اطلاعات بازار سرمایه به طرز چشمگیری در حال گسترش می باشد و بدون استفاده از الگوریتم های داده کاوی و مدلهای کلان داده، بهره برداری از این داده ها امکان پذیر نخواهد بود. مطالعات گذشته بیانگر امکان پیش بینی قیمت سهام توسط مدل های یادگیری ماشین می باشد؛ اما دقت پیش بینی این مدل ها مورد ارزیابی قرار نگرفته است. هدف از این پژوهش مقایسه دقت هوشمندی پنج الگوریتم پرکاربرد داده کاوی شامل شبکه عصبی، رگرسیون لجستیک، نزدیکترین همسایه k، ماشین بردار پشتیبان و اعتبارسنجی ضربدری می باشد. از بین 385 شرکت فعال در بورس اوراق بهادار تهران، 72 شرکت به روش حذف سیستماتیک انتخاب و دقت مدل های فوق برای پیش بینی قیمت سهام بر روی داده های روزانه سهام منتحب برای سال های 1388 تا 1399 پیاده سازی شده است. متغیر قیمت سهام به عنوان متغیر وابسته و متغیرهای قیمت باز شدن، قیمت بسته شدن، بالاترین قیمت، پایین ترین قیمت و حجم معاملات، قیمت روزانه ارز آزاد، قیمت طلا و قیمت نفت به عنوان متغیر مستقل استفاده شده است. برای ارزیابی دقت برآورد قیمت سهام از سه شاخص ، MSE و RMSE استفاده شده و از تحلیل واریانس با استفاده از آماره F برای برازش دقت مدل ها و از آماره t برای مقایسه دو به دو مدل ها با یکدیگر استفاده شده است. نتایج پژوهش نشان داد از بین الگوریتم های هوشمند استفاده شده، الگوریتم ماشین بردار پشتیبان بیشترین قدرت برآورد قیمت سهام را به خود اختصاص داده است

رشد بازار سرمایه با سرعت چشمگیری در حال افزایش است. همین امر باعث تقاضای بالاتر برای اطلاعات، تلاش بیشتر برای پیش بینی و ابداع مدل های جدید پیش بینی آینده بازار شده است. مدلهای پیش بینی در سه دسته قابل طبقه بندی هستند. دسته اول از تحلیل تکنیکی، دسته دوم از تحلیل بنیادین و دسته سوم از داده کاوی و یادگیری ماشین استفاده می کنند. در پژوهش پیش رو با تمرکز بر روش داده کاوی به مقایسه دقت مدل های منتخب یادگیری ماشین شامل شبکه عصبی، رگرسیون لجستیک، نزدیک ترین همسایه k، ماشین بردار پشیبان و اعتبارسنجی ضربدری جهت پیش بینی قیمت سهام برای 12 شرکت منتخب بورس اوراق بهادار تهران که از طریق روش حذف سیستماتیک انتخاب شده اند در قالب مدلهای یادگیری ماشین پرداخته و نتایج این مقاله نشان داد از بین الگوریتمهای یادگیری ماشین، الگوریتم ماشین بردار پشتیبان بیشترین قدرت پیش بینی کنندگی در قیمت سهام را به خود اختصاص داده است. کلمات کلیدی: بورس اوراق بهادار، پیش بینی؛ قیمت سهام، الگوریتم، یادگیری ماشینکد طبقه بندی JEL: C8،G1

پول شویی عبارت است از تبدیل یا انتقال یک دارایی ، با هدف پنهان کردن منشا غیر قانونی آن دارایی و یا کمک به هر شخصی که با چنین جرایمی سر و کار دارد . برخی از موانع و مشکلاتی که ممکن است پول شویی برای اقتصاد به وجود آورد ، عبارت اند از : ایجاد اختلال در سیاست گذاریهای کلان کشور ، تضعیف بخش خصوصی ، ایجاد موانع برای خصوصی سازی ، افزایش نرخ تورم ، تضعیف یکپارچگی و تمامیت بازارهای مالی ، افزایش ریسک اعتبار ، اختلال در سرمایه گذاری دراز مدت داخلی و خارجی ، ...