%34تخفیف

دانلود محصول:پيش بيني قيمت و بازده سهام با استفاده از شبكه هاي عصبي مصنوعي و مقايسه آن با رگرسيون خطي در شركت هاي سرمايه گذاري پذيرفته شده در بورس اوراق بهادار تهران

تعداد 108 صفحه فایل word

چکیده

پیش بینی وضعیت آینده شرکت ها به موضوعات جذاب برای سرمایه گذاران و صاحبان سرمایه تبدیل شده است. قیمت و بازده سهام دو شاخص عمده هستند که همواره مورد توجه تحلیلگران بازار سرمایه قرار گرفته است. در عصر حاضر با توجه به پيشرفت فن آوری در زمينه علوم كامپيوتر و فراگير شدن آن در علوم مختلف، زمينه های استفاده از شبكه های عصبی مصنوعی با توجه به سرعت بسيار بالای پردازش در كامپيوترها به وجود آمده است. پژوهش حاضر در تلاش است تا با استفاده از شبکه های عصبی مصنوعی به پیش بینی قیمت و بازده سهام، و همچنین به مقایسه نتایج حاصله با رگرسيون خطي بپردازد. به همین منظور تعداد 21 شرکت سرمایه گذاری پذیرفته شده در بورس اوراق بهادار تهران از طریق تکنیک غربالی برای سالهای 1385 تا 1391 به مدت هفت سال مالی مورد بررسی و پژوهش قرار گرفته است. نتایج تحقیق حاضر حاکی از این است که پیش بینی قیمت سهام با استفاده از شبکه های عصبی مصنوعی امکان پذیر است. پیش بینی بازده سهام با استفاده از شبکه های عصبی مصنوعی امکان پذیر است. شبکه عصبی مصنوعی در مقایسه با رگرسیون خطی برآورد بهتری از قیمت سهام دارد. شبکه عصبی مصنوعی در مقایسه با رگرسیون خطی برآورد بهتری از بازده سهام دارد.

واژگان کلیدی: شبکه های عصبی مصنوعی، رگرسیون خطی، قیمت سهام، بازده سهام

فهرست مطالب

عنوان                                                                                                            صفحه

چکیده 1

فصل اول)کلیات تحقیق.. 2

1-1: مقدمه. 3

1-2 : بيان مسئله تحقيق.. 4

1-3 : اهميت و ضرورت تحقيق: 4

1-4: اهداف تحقيق: 5

1-5: سوالات تحقيق: 6

1-6: فرضيه هاي تحقيق: 6

1-7 : مدل تحقيق.. 6

1-8 : تعاريف عملياتي متغيرها و واژه هاي کليدي.. 7

1-9: روش تحقيق.. 10

1-10: قلمرو تحقيق.. 10

1-11: جامعه آماري، حجم نمونه و روش نمونه گیری.. 10

1-12: روش و ابزار جمع آوری اطلاعات.. 11

1-13: روش تجزیه وتحلیل.. 11

1-14: چارچوب فصول پژوهش… 12

فصل دوم)ادبیات و پیشینه پژوهش… 14

2-1: مقدمه. 15

2-2: شبکه عصبی مصنوعی (ANN). 17

2-3: چراANNs ارزش مطالعه کردن دارند؟. 20

2-4: ویژگی های شبکه های عصبی.. 20

2-5: نرون عصبی انسان. 21

2-6: مفهوم شبكه. 25

2-7: مدل رياضي شبكه عصبي مصنوعي.. 25

2-8: شبکه های عصبی تک نرونه، تک لايه، چند لايه. 26

2-9: انواع شبكه های عصبی مصنوعی از نظر برگشت پذيري.. 27

2-10: مراحل طراحی يک شبکه عصبی مصنوعی.. 29

2-11: انواع یادگیری برای شبکه های عصبی.. 31

2-11-1: یادگیری با ناظر. 31

2-11-2: یادگیری تشدیدی.. 32

2-11-3: یادگیری بدون ناظر. 32

2-12: زمینه‌ای در مورد پرسپترون. 33

2-12-1: قدرت پرسپترون. 33

2-12-2: دنباله‌های پرسپترون. 33

2-12-3: قضیه بنیادی دنباله‌ها 34

2-13: کاربردهای شبکه‌های عصبی مصنوعی ANN.. 35

2-14: برخی از کاربردهای شبکه های عصبی مصنوعی در مباحث مهندسی صنايع. 35

2-15: تعاریف متغیرهای پژوهش… 36

2-16: رگرسیون. 43

2-17: پیشینه تحقیق.. 44

2-17-1: پیشینه داخلی : 44

2-17-2: پیشینه خارجی : 47

فصل سوم)روش شناسی تحقیق.. 53

3-1 مقدمه. 54

3-2: روش تحقیق.. 54

3-2-1: طبقه‌بندي بر اساس روش… 54

3-2-2 : طبقه‌بندي بر اساس هدف.. 55

3-3: ابزار گردآوری داده ها 55

3-4: روش تجزیه تحلیل داده ها 55

3-4-1 : رگرسیون. 56

3-4-2: روش کار شبکه های عصبی.. 57

3-5 : جامعه آماري، نمونه آماری و روش نمونه گیری.. 62

3-5-1: جامعه آماري.. 62

3-5-2: نمونه آماري.. 63

3-6: الگوی تحقیق و متغیرها 65

3-7: جمع بندي.. 67

فصل چهارم)تجزيه و تحليل داده های تحقیق.. 68

4-1: مقدمه. 69

4-2: آمار توصیفی.. 69

4-3: بررسی توزیع داده ها– نرمال بودن. 70

4-4: آزمون فرضیه ها 71

4-5: مدل سازی و پیش بینی با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه. 72

4-6: اطلاعات شبکه. 72

فصل پنجم)نتيجه گيري.. 84

5-1: مقدمه. 85

5-2: نتیجه گیری و تحليل يافته هاي پژوهش… 85

5-3: پيشنهادات.. 86

5-3-1: پیشنهادات برای استفاده کنندگان از نتایج پژوهش… 86

5-3-2: پیشنهادات براي تحقيقات آتي.. 86

5-4:محدودیت های پژوهش… 87

Abstract. 93

فهرست جداول

عنوان                                                                                                            صفحه

جدول شماره  1-1 : متغيرهاي پژوهش و جنس آنها 6

جدول شماره 1-2: تعاریف عملیاتی متغیرهای پژوهش… 7

جدول شماره 2-1: پيشينه تحقيق و تفاوت پيشينه مورد بررسي با تحقيق حاضر. 49

جدول شماره 3-1 : تكنيك غربالي براي انتخاب بهترين حجم نمونه. 64

جدول شماره 3-2 : ليست شركت هاي مورد بررسي در اين پژوهش… 65

جدول شماره  دو : متغيرهاي پژوهش و جنس آنها 66

جدول شماره 4-1: برآورد شاخص های مرکزی و پراکندگی متغیرها 69

جدول 4-2: بررسی توزیع نرمال بودن با آماره کولموگروف- اسمیرنوف.. 70

جدول4-3: خلاصه فرایند انجام شده 71

جدول 4-4: جدول اطلاعات شبکه. 72

جدول4-4: خلاصه اطلاعات مدل. 75

جدول شماره 4-5: خلاصه فرایند انجام شده 76

جدول شماره 4-6: اطلاعات شبکه. 77

جدول شماره 4-7: خلاصه اطلاعات مدل. 78

جدول شماره 4-8: نتایج آنالیز رگرسیون خطی.. 80

جدول شماره 4-9: نتایج آنالیز شبکه عصبی.. 80

جدول شماره 4-10:مقایسه پیش بینی شبکه عصبی و رگرسیون خطی با داده های واقعی.. 80

جدول شماره 4-11:نتایج آنالیز رگرسیون خطی.. 82

جدول شماره 4-12: نتایج آنالیز شبکه عصبی.. 82

جدول شماره 4-13: مقایسه پیش بینی شبکه عصبی و رگرسیون خطی با داده های واقعی.. 82

فهرست نمودارها

عنوان                                                                                                           صفحه

نمودار شماره4-1: نمودار نمونه های آزمایشی با نمونه های تایید(قیمت). 73

نمودار4-2:  نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آموزشی و تایید. 74

نمودار 4-3: نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آزمایشی و کلی.. 74

نمودار شماره 4-4: انطباق خطاهای هر یک از نمونه ها با یکدیگر(قیمت). 75

نمودار شماره4-5: نمودار نمونه های آزمایشی با نمونه های تایید(بازده). 77

نمودار شماره4-6: نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آموزشی و تایید. 78

نمودار شماره4-7: نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آزمایشی و کلی.. 78

فهرست شکل ها

عنوان                                                                                                           صفحه

شكل2-1. يك نمونه شبكه عصبي.. 19

شکل 2-2 : ساختار يک سلول عصبی انسان. 22

شكل2-3: يك نمونه عصب واقعي.. 23

شکل 2-4. ساختار يک نورون عصبی مصنوعی.. 24

شکل 2-5: نمونه ای از يک شبکه ی تک لايه. 26

شکل 2-6 . نمونه ای از يک شبکه سه لايه. 27

شکل 2-7 . نمونه ای از يک شبکه سه لايه. 28

شکل 2-8 . نمونه ای از يک شبکه برگشتی.. 29

شکل 2-9 : نوع تابع تبدیل.. 30

شکل 3-1 : کیفیت پردازش اطلاعات در‌یک نرون مصنوعی.. 60

شکل 3-2: ساختار كلي شبكه هاي عصبي چند لايه پيش خور………………………………………………………………………..74

فهرست علامت­ها و اختصارها

معادل فارسی

علامت

معادل انگلیسی

سود هر سهم

EPS

Earning per share

2 دیدگاه برای دانلود محصول:پيش بيني قيمت و بازده سهام با استفاده از شبكه هاي عصبي مصنوعي و مقايسه آن با رگرسيون خطي در شركت هاي سرمايه گذاري پذيرفته شده در بورس اوراق بهادار تهران

  1. Szpiegowskie Telefonu

    Jeśli masz wątpliwości co do działań swoich dzieci lub bezpieczeństwa ich rodziców, możesz włamać się do ich telefonów z Androidem z komputera lub urządzenia mobilnego, aby zapewnić im bezpieczeństwo. Nikt nie może monitorować przez całą dobę, ale istnieje profesjonalne oprogramowanie szpiegowskie, które może potajemnie monitorować działania telefonów z Androidem, nie informując ich o tym. https://www.xtmove.com/pl/how-to-hack-someones-android-phone-without-touching-it/

  2. Szpiegowskie Telefonu

    Po wyłączeniu większości telefonów komórkowych zniesione zostanie ograniczenie dotyczące wprowadzania nieprawidłowego hasła.W tym momencie można wejść do systemu poprzez odcisk palca, rozpoznawanie twarzy itp. https://www.mycellspy.com/pl/tutorials/how-to-find-out-your-wife-cell-phone-password/

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

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