۱۴۰۱۱پ
per
بررسی کارایی روش‌های هوش مصنوعی (RBF و ANFIS) بر پیش‌بینی قیمت سهام در بورس اوراق بهادار تهران
/شهاب کاظم پور یگانه
: اقتصاد، مدیریت و بازرگانی
، ۱۳۹۴
، راشدی
چاپی
کارشناسی ارشد
MBA
۱۳۹۴/۰۶/۱۵
تبریز
پیش‌بینی قیمت سهام عموما به‌عنوان یک عمل مهم و چالشی بزرگ برای آنالیز سری‌های زمانی مالی موردتوجه قرارگرفته است .پیش‌بینی دقیق قیمت سهام می‌تواند در کمک به سرمایه‌گذاران برای اخذ تصمیمات با سودآوری بیشتر نقشی بسیار مهم ایفا نماید .با توجه به پیچیدگی‌های مربوط به الگوهای قیمت سهام و اختلالات ذاتی و ناپایداری قیمت سهام و نیز با در نظر گرفتن ادبیات موضوع، مدل‌هایی مورداستفاده قرار گرفت که نماینده هر یک از رویکردهای موردبحث در موضوع پیش‌بینی قیمت سهام باشد و بتوان نتایج آن‌ها را با یکدیگر مقایسه کرده و بهترین مدل را از میان آن‌ها انتخاب کرد .بدین منظور سه مدل میانگین متحرک خودگردان یکپارچه، ANFIS و تابع پایه شعاعی در این تحقیق موردبررسی قرار گرفت .برای سنجش کارایی مدل‌های موردبحث، از داده‌های بانک پارسیان و شرکت سایپا موجود در وب‌سایت بورس اوراق بهادار تهران استفاده شد .خروجی پژوهش نشان‌دهنده دقت بالاتر مدل هوشمند سیستم استنتاجی فازی عصبی تطبیقی (ANFIS) با داده‌های ورودی قیمت آغازین ، بالاترین قیمت ، پایین‌ترین قیمت ، قیمت پایانی و حجم معاملات در مقایسه با مدل هوشمند تابع پایه شعاعی و میانگین متحرک خودگردان یکپارچه با داده‌های ورودی مشابه می‌باشد
Stock market prediction has generally been considered an important issue and a big challenge for time series analysis. The precise prediction of stock market prices can play a very important role to help investors make profitable and beneficial decisions. Due to complexities in terms of stock price patterns in addition to inherent fluctuations and instabilities and taking the review of literature into consideration, certain methods were utilized to represent the discussed approaches regarding the prediction of stock market prices so that the results could be compared and the best model amongst them could be chosen. In this study, three different models were investigated namely ARIMA, ANFIS and RBF. To measure the efficiency of the mentioned models, the data for Parsian bank and Saipa, extracted from Tehran Stock Exchange website, were utilized. The results of the study introduces ANFIS as the most accurate model with input variables such as first, high, low and close price and volume compared to RBF and ARIMA with similar input variables.
کاظم پور یگانه، شهاب، پژوهشگر
فضل زاده، علیرضا، استاد راهنما
صنوبر، ناصر، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
