عنوان

پیش‌بینی قیمت سهام با استفاده از روش رندم فارست :شواهدی از سهام شرکت‌های خودرویی

‭۱۸۴۱۴پ‬

per

پیش‌بینی قیمت سهام با استفاده از روش رندم فارست :شواهدی از سهام شرکت‌های خودرویی

/سپیده بابازاده

: پردیس

، ‮‭۱۳۹۶‬

، افشاری

چاپی

The purpose of this study is to accurately predict stock prices to help investors to make decisions with greater profitability. Given the complexity of stock price patterns and intrinsic disruption and stock price volatility, the two models are considered in the topic of price prediction. In this study, two ANFIS and Random Forest methods were used to predict stock prices by applying data mining techniques to 4 automobile companies (Irankhodro, Parskhodro, Zamyad Khodro, Saipa), then with the criteria for evaluating the determination coefficient and the mean absolute error and mean squares Error, we compared the two models. According to the results of the Random Forest method, for the whole of the four automotive companies with a precision of 99.83. and the ANFIS method for the whole of the four automobile companies with a precision of 97.66

کارشناسی ارشد

‮‭MBA‬گرایش استراتژی

‮‭۱۳۹۶/۰۹/۱۹‬

تبریز

هدف از این تحقیق پیش‌بینی دقیق قیمت سهام برای کمک به سرمایه‌گذاران برای اخذ تصمیمات با سودآوری بیشتر می‌باشد .با توجه به پیچیدگی‌های مربوط به الگوهای قیمت سهام و اختلالات ذاتی و ناپایداری قیمت سهام دو مدل در موضوع پیش‌بینی قیمت در نظر گرفته‌شده است .در این مطالعه، دو روش ‮‭ANFIS‬ و ‮‭Random Forest‬ برای پیش‌بینی قیمت سهام با اعمال تکنیک داده‌کاوی برای ‮‭۴‬ شرکت خودرویی) ایران‌خودرو، پارس‌خودرو، زامیاد خودرو، سایپا (موردبررسی قرار گرفت، سپس با معیارهای ارزیابی ضریب تعیین و میانگین مطلق خطا و میانگین مربعات خطا، دو مدل را باهم مقایسه نمودیم .با توجه به نتایج روش ‮‭Random Forest‬ برای کل ‮‭۴‬ شرکت خودرویی با دقت ‮‭۹۹.۸۳‬ درصد و روش ‮‭ANFIS‬ برای کل ‮‭۴‬ شرکت خودرویی با دقت ‮‭۹۷.۶۶‬ درصد پیش‌بینی نمودند .بااینکه روش ‮‭ANFIS‬ دارای دقت بالایی می‌باشد، اما پیش‌بینی آن به‌صورت مقطعی بوده و برای یک بازه قیمت واقعی، یک قیمت ثابت را پیش‌بینی کرده است .نتایج نشانگر بهتر بودن روش جنگل‌های تصادفی با توجه به‌دقت بالای آن برای جامعه‌ی آماری پژوهش است، همچنین برای تحلیل داده‌ها از نرم‌افزار ‮‭R‬ استفاده‌شده است

The purpose of this study is to accurately predict stock prices to help investors to make decisions with greater profitability. Given the complexity of stock price patterns and intrinsic disruption and stock price volatility, the two models are considered in the topic of price prediction. In this study, two ANFIS and Random Forest methods were used to predict stock prices by applying data mining techniques to 4 automobile companies (Irankhodro, Parskhodro, Zamyad Khodro, Saipa), then with the criteria for evaluating the determination coefficient and the mean absolute error and mean squares Error, we compared the two models. According to the results of the Random Forest method, for the whole of the four automotive companies with a precision of 99.83 and the ANFIS method for the whole of the four automobile companies with a precision of 97.66 predicted. Although, the ANFIS method has a high degree of accuracy, but its prediction is cross-sectional and predicts a constant price for a realistic price range. The results indicate that the method of random forage method is better considering its high accuracy for the statistical population of the research, and R software has been used for data analysis

بابازاده، سپیده

صنوبر، ناصر، استاد راهنما

فضل زاده، علیرضا، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی