پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,517,243 |
| تعداد دریافت فایل اصل مقاله | 98,777,758 |
پیش‌بینی بازده روزانه سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی مصنوعی | ||
| تحقیقات مالی | ||
| مقاله 7، دوره 9، شماره 24 - شماره پیاپی 1000297، دی 1386 اصل مقاله (208.73 K) | ||
| نویسندگان | ||
| محمد نمازی؛ محمد مهدی کیامهر* | ||
| چکیده | ||
| این مطالعه به بررسی پیش‌بینی‌پذیری رفتاربازده سهام شرکت‌های یذیرفته شده در بورس اوراق بهادار تهران وهمچنین انجام عمل پیش‌بینی بازده با استفاده از شبکه‌های عصبی مصنوعی می‌پردازد. به منظور انجام عمل پیش‌بینی بازده، در مرحله اول روند گذشته سری زمانی مربوط به شرکت‌ها و همچنین سه متغیر از متغیرهای تحلیل تکنیکی (شاخص سهام، حجم سهام مبادله شده و آخرین نرخ سهام در روز) برای مدت 5 سال(تیرماه 1377 لغایت 1382) مورد استفاده قرارگرفت وبا تغییر پارامترهای شبکه عصبی مصنوعی مدل بهینه جهت پیش‌بینی بازده روزانه سهام هر شرکت طراحی گردید. در مرحله دوم، پیش‌بینی بازده روزانه طی همان 5 سال صرفاً براساس اطلاعات گذشته یا روند گذشته سری زمانی انجام شد. در این پژوهش از شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه (MLP) با توابع یادگیری متفاوت استفاده گردید. نتایج حاصل نشان‌دهنده آن است که: - رفتار سری زمانی بازده روزانه سهام شرکت‌ها یک فرآیند تصادفی نیست و دارای حافظه می‌باشد. - شبکه‌های عصبی مصنوعی توانایی پیش‌بینی بازده روزانه را با میزان خطای نسبتاً مناسبی دارند. | ||
| کلیدواژه‌ها | ||
| الگوی یادگیری پس انتشار خطا؛ بورس اوراق بهادار تهران؛ پیش‌بینی؛ رفتار بازده سهام؛ شبکه‌های عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| Predicting Daily Stock Returns of Companies listed in Tehran Stock Exchange Using Artificial Neural Networks | ||
| چکیده [English] | ||
| This study has been conducted to investigate the predictability of stock returns behavior of the companies listed on "Tehran Stock Exchange" and also to predict the stock returns by using "Artificial Neural Networks". In order to predict the returns, in the first stage, the historical data relating to time series of the companies plus three variables of technical analysis (stock index, volume of exchanged stock and the closed price) for a five year period (July 1998 - 2003) were used. The optimum model for prediction of stock daily return for each company was designed via changes in parameters of the artificial neural network. In the second stage, prediction of daily return during the same period was done based only on past information or historical process of time series. In this study, "Multi Layered Perceptron(MLP)"artificial neural network with different learning functions were used. The results showed that: - The behavior of companies' stocks' daily return is not a random process and has memory. - The artificial neural networks are able to predict the daily return with an acceptable error level. | ||
| کلیدواژه‌ها [English] | ||
| Artificial Neural Networks, Error Back Propagation, prediction, Stock Return Behavior, Tehran Stock Exchange | ||
|
آمار تعداد مشاهده مقاله: 4,082 تعداد دریافت فایل اصل مقاله: 9,435 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب