%37تخفیف

دانلود پروژه:پيش بيني قيمت سهم در بورس اوراق بهادار به کمک داده کاوي با الگوريتم هاي ترکيبي تکاملي

تعداد 94صفحه در فایلword

چکيده

پيش بيني قيمت سهم در بورس اوراق بهادار به کمک داده کاوي با الگوريتم هاي ترکيبي تکامليa

 

 

 

تحقيقات بسياري جهت پيش بيني قابل قبول و قابل اطمينان به کمک روشهاي شبيه سازي، تحليل سري هاي زماني، ترکيب روشهاي هوش مصنوعي با روش هاي تحليل سري هاي زماني و در آخرين آنها ترکيب روشهاي داده کاوي و هوش مصنوعي با روش هاي تحليل سري هاي زماني و الگوريتم هاي بهينه سازي تکاملي در حوزه قيمت سهم در بازار بورس اوراق بهادار صورت گرفته است. در اين تحقيق سعي بر آن شده که در قالب فرايند CRISP داده کاوي و با ارجاع به آخرين تحقيقات صورت گرفته، ترکيب شبکه عصبي مصنوعي و الگوريتم هاي بهينه سازي تکاملي به عنوان مدل پيش بيني قيمت سهم در بازار بورس اوراق بهادار مورد بررسي قرار گيرد. الگوريتم هاي بهينه سازي تکاملي ژنتيک، ازدحام ذرات و رقابت استعماري در آموزش شبکه عصبي مصنوعي با داده هاي سري زماني کاهش يافته قيمت پنج سهم منتخب از بازار بورس اوراق بهادار تهران به کار گرفته شدند و قابل قبول و قابل اطمينان بودن پيش بيني به کمک شبکه عصبي مصنوعي آموزش ديده با الگوريتم ازدحام ذرات بر اساس مقادير شاخص ميزان خطا (mse) پيش بيني شبکه عصبي مصنوعي مورد اشاره به اثبات رسيد. همچنين عدم درک آشوب داده ها توسط الگوريتم يادگيري پيش انتشار خطا به چالش کشيده شد.

کلمات کليدي: پيش بيني، داده کاوي، شبکه عصبي مصنوعي، الگوريتم هاي بهينه سازي تکاملي

فهرست مطالب

عنوان

صفحه

فصل 1 : معرفی تحقیق. 1

1-1 مقدمه. 1

1-2 تعريف مساله. 2

1-3 اهميت مساله. 3

1-4 هدف تحقيق.. 4

1-5 سئوالات تحقيق.. 5

1-6 مفروضات تحقيق.. 5

1-7 دامنه تحقيق.. 6

1-8 ساختار تحقيق.. 7

فصل 2 : پیشینه تحقیق. 9

2-1 مدلهاي پيش بيني قيمت سهم در تحقيقات پيشين.. 9

2-2 انتخاب/ استخراج ويژگي در قيمت سهم در تحقيقات پيشين.. 16

فصل 3 : مبانی نظری تحقیق. 18

3-1 بازار بورس اوراق بهادار. 18

3-2 تکنيکهاي رايج تحليل و پيش بيني قيمت سهام. 19

3-3 تکنيکهاي نوين تحليل داده ها 20

3-3-1 داده کاوي. 21

3-3-2 شبکه عصبي مصنوعي. 26

عنوان

صفحه

3-3-3 الگوريتمهاي تکاملي. 31

 

3-3-3-1 الگوريتم ژنتيک33

3-3-3-2 الگوريتم بهينه سازي ازدحام ذرات.. 36

3-3-3-3 الگوريتم رقابت استعماري.. 38

فصل 4 : روش تحقیق. 43

4-1 فرايند CRISP.. 43

4-1-1 تعريف مساله. 43

4-1-2 تحليل داده ها 43

4-1-3 آماده سازي داده ها 44

4-1-4 مدلسازي. 44

4-1-5 ارزيابي. 44

4-1-6 پياده سازي. 45

فصل 5 : اجرا 46

5-1 اجراي فرايند CRISP.. 46

5-1-1 مجموعه داده ها 46

5-1-2 کيفيت داده ها و کاهش داده ها 50

5-1-3 پياده سازي شبکه عصبي مصنوعي براي سري هاي زماني. 51

5-1-3-1 معماري شبکه عصبي مصنوعي.. 51

5-1-3-2 تطبيق ورودي هاي زماني به عنوان ورودي شبکه عصبي مصنوعي.. 53

5-1-4 پياده سازي آموزش شبکه عصبي مصنوعي با الگوريتمهاي تکاملي. 54

5-1-4-1 الگوريتم ژنتيک.. 54

5-1-4-2 الگوريتم بهينه سازی ازدحام ذرات. 55

5-1-4-3 الگوريتم رقابت استعماري. 56

5-1-4 به کارگيري شبکه عصبي مصنوعي آموزش ديده با الگوريتم هاي تکاملي.. 58

فصل 6 : تحلیل یافته ها، نتیجه گیری و پیشنهاد ها 60

6-1 نتيجه گيري و پاسخ به سئوالات تحقيق.. 60

عنوان

صفحه

6-2 تحقيقات پيشنهادي آينده. 64

فهرست منابع.. 65

پيوست ها 67

پيوست 1: کد شبکه عصبي سري زماني با آموزش با الگوريتم پيش انتشار خطا 67

پيوست 2: کد شبکه عصبي مصنوعي با آموزش با الگوريتم ژنتيک.. 68

پيوست 3: کد شبکه عصبي مصنوعي با آموزش با الگوريتم ازدحام ذرات. 71

پيوست 4: کد شبکه عصبي مصنوعي با آموزش با الگوريتم رقابت استعماري. 73

 

    • فهرست جدول ها

عنوان

صفحه

جدول شماره  ‏2‑1: مقایسه نتایج پیش بینی مدل بت-عصبی با سه مدل دیگر. 13

جدول شماره  ‏2‑2: مقايسه نتايج پيش گويي مدل ارائه شده با مدلهای ديگر. 14

جدول شماره  ‏2‑3: نسل  بندي روشهاي تحقيق در پيش بيني قيمت سهم. 16

جدول شماره  ‏3‑1: شبه کد الگوريتم پيش انتشار خطا 30

جدول شماره  ‏3‑2: شبه کد عمومي الگوريتم هاي تکاملي.. 32

جدول شماره  ‏3‑3: شبه کد الگوريتم ژنتيک34

جدول شماره ‏3‑4  : شبه کد الگوريتم ازدحام ذرات.. 37

جدول شماره ‏3‑5  : شبه کد الگوريتم رقابت استعماري.. 41

جدول شماره  ‏5‑1: نماد سهم هاي انتخاب شده. 46

جدول شماره  ‏5‑2: اندازه کاهش يافته داده ها 51

جدول شماره  ‏5‑3: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم ژنتيک54

جدول شماره  ‏5‑4: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم ازدحام ذرات.. 55

جدول شماره  ‏5‑5: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم رقابت استعماري.. 56

جدول شماره  ‏5‑6: نتايج mse شبکه عصبي آموزش ديده با الگوريتم ژنتيک58

جدول شماره  ‏5‑7: نتايج mse شبکه عصبي آموزش ديده با الگوريتم ازدحام ذرات.. 58

جدول شماره  ‏5‑8: نتايج mse شبکه عصبي آموزش ديده با الگوريتم رقابت استعماري.. 59

جدول شماره  ‏5‑9: نتايج mse شبکه عصبي آموزش ديده با الگوريتم پيش انتشار خطا 59

جدول شماره  ‏6‑1: ميانگين و انحراف معيار خطاي اجراهاي ANN و BP. 61

جدول شماره  ‏6‑2: نتايج خطاي پيش بيني با ANN و PSO.. 63

جدول شماره  ‏6‑3: نتايج خطاي پيش بيني با ANN و ICA.. 63

  • فهرست شکل ها

عنوان

صفحه

شکل شماره  ‏3‑1 : نمونه اي تحليل قيمت سهم با ابزارهاي رويکرد تحليل تکنيکال.. 20

شکل شماره ‏3‑2 : فرايند CRISP. 23

شکل شماره ‏3‑3 : ساختار يک نورون.. 27

شکل شماره ‏3‑4 : نمونه اي از يک شبکه عصبي مصنوعي با يک لايه پنهان.. 28

شکل شماره ‏3‑5 : نمونه نورون در شبکه عصبي مصنوعي پيشرو. 29

شکل شماره ‏3‑6 : فلوچارت عمومي الگوريتم هاي تکاملي.. 32

شکل شماره ‏3‑7 : نمايش ترکيب تک نقطه اي.. 35

شکل شماره ‏3‑8  : نمايش حرکت ذره در PSO.. 36

شکل شماره ‏3‑9: نمايش نمونه اي تقسيم کلوني ها به امپرياليست ها 40

شکل شماره ‏3‑10: حرکت خطي کلوني.. 41

شکل شماره  ‏3‑11: حرکت زاويه اي کلوني.. 41

شکل شماره ‏5‑1  : نمودار قيمت روزانه سهام نماد بکام. 48

شکل شماره ‏5‑2  : نمودار قيمت روزانه سهام نماد وپارس48

شکل شماره ‏5‑3  : نمودار قيمت روزانه سهام نماد وغدير. 49

شکل شماره ‏5‑4  : نمودار قيمت روزانه سهام نماد خودرو. 49

شکل شماره ‏5‑5  : نمودار قيمت روزانه سهام نماد رانفور. 50

شکل شماره ‏5‑6  : شبکه عصبي مصنوعي با داده هاي سري زماني.. 53

شکل شماره ‏6‑1  : تابع احتمال تجمعي توزيع نرمال برازش شده خطا 61

شکل شماره ‏6‑2  : تابع احتمال تجمعي توزيع نرمال برازش شده خطا ANN و EAs. 62

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo