پایان نامه جهت اخذ درجه­ی کارشناسی ارشد رشته حسابداری
 
 
عنوان:
 
پیش بینی قیمت سهام با شاخص­های ترکیبی به روش شبکه عصبی مصنوعی
 
آذر 1394

برای رعایت حریم خصوصی نام نگارنده و استاد راهنما در سایت درج نمی شود
(در فایل دانلودی نام نویسنده و استاد راهنما موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
 
 
فهرست مطالب
عنوان                                                                     صفحه
چکیده———————————————————1
فصل اول: کلیات تحقیق
مقدمه. 22
1-1 . بیان مسئله. 24
1-2.اهمیت و ضرورت انجام تحقیق.. 26
1-3. اهداف تحقیق.. 27
1-4. کاربران نتایج تحقیق.. 27
1-5. سؤالات و فرضیات تحقیق.. 27
1-5-1. سؤال اصلی.. 27
1-6. فرضیه تحقیق.. 28
1-7. روش تحقیق.. 28
1-8. قلمرو تحقیق.. 28
1-8-1. قلمرو مکانی تحقیق.. 28
1-8-2. قلمرو زمانی.. 28
1-9.روش گردآوری داده­ها و ابزار تحلیل.. 28
1-9-1. روش های آماری.. 28
1-9-2. روش های غیر آماری.. 28
1-9-3. نرم افزارها 29
1-10. جامعه و نمونه ی آماری.. 29
1-11. تعریف واژه های کلیدی تحقیق.. 29
1-12. مراحل تحقیق.. 30
1-13. چارچوب کلی تحقیق.. 31
                                            فصل دوم: ادبیات و پیشینه تحقیق
مقدمه. 32
2-1.  تئوری پیش بینی.. 33
2-1-1. انواع شیوه های پیش بینی.. 34
2-1-2. اهداف نهایی پیش بینی.. 34
2-2. بازارهای مالی.. 35
2-2-1. بازار پول و سرمایه. 36
بازار پول. 36
بازار سرمایه: 36
2-2-2. بازارهای اولیه و ثانویه. 36
بازار اولیه. 36
بازار ثانویه: 37
2-3. انواع بازارها
2-3-2. بازار خارج از بورس یا فرا بورس… 38
2-4. مزایای بورس اوراق بهادار. 38
2-5. بورس اوراق بهادار تهران. 39
2-6. سهام. 40
2-7. سهام عادی و خصوصیات آن. 41
2-7-1. ارزشیابی سهام عادی.. 42
2-7-2. فرایند ارزش گذاری سهام. 42
2-8. ارزش ذاتی سهام عادی.. 43
2-9. نحوه ارزش گذاری سهام عادی.. Error! Bookmark not defined.
2-9-1. رویکرد تنزیل جریان نقد. 44
2-9-2. رویکرد ارشیایی نسبی.. 44
2-10. سهام ممتاز و خصوصیات آن. 44
2-11. قیمت سهام. 45
2-11-1. عوامل بیرونی.. 46
2-11-2. عوامل درونی.. 47
2-12. اهمیت قیمت سهام برای مدیران. Error! Bookmark not defined.
2-13. سود حسابداری و قیمت سهام. 48
2-14. مفهوم سود اقتصادی.. 48
2-15. روش های سنتی تجزیه وتحلیل قیمت در بورس… 48
2-15-1. تجزیه وتحلیل تکنیکی.. 50
2-15-2. تجزیه تحلیل فنی.. 50
2-16. روش های مدرن تجزیه وتحلیل قیمت در بازار بورس… 51
2-17. هوش مصنوعی.. 52
2-18. شبکه عصبی مصنوعی.. 52
2-18-1. مدل نرون مصنوعی.. 54
2-19. آموزش و یادگیری شبکه عصبی.. 56
2-20. ساختار شبکه عصبی مصنوعی.. 57
2-21. مزایای شبکه عصبی.. 57
2-22. شبکه عصبی چندلایه پیش خور. 58
2-23. الگوریتم کلونی زنبورعسل مصنوعی.. Error! Bookmark not defined.
2-24. تحقیق های پیشین.. 64
2-24-1. تحقیق های خارجی.. 65
2-24-2. تحقیق های داخلی.. Error! Bookmark not defined.
2-25خلاصه ی فصل.. 72
فصل سوم: روش تحقیق
3-1.روش تحقیق.. 74
3-2.نمونه و جامعه آماری.. 74
3-2-1. جامعه ی آماری تحقیق.. 74
3-2-2. نمونه ی آماری تحقیق.. 75
3-3. داده های تحقیق.. 75
4-3. بررسی روش تحقیق مقاله پایه. 76
3-5. نرمال سازی.. 78
3-6. الگوریتم آموزش… 78
3-7. مرحله پیش بینی.. 79
3-8. روش گرداوری داده ها 80
الف. تجربه های آزمایشگاهی: 80
ب. بررسی میدانی: 80
ج. تحقیق پیمایشی: 81
3-9.دوره انجام پژوهش…. 81
3-10. ابزار اندازه گیری و محاسبه ی متغیرها 81
3-11. مراحل انجام تحقیق.. 81
فصل چهارم­­­­­­: تجزیه وتحلیل داده ها
تجزیه وتحلیل داده ها 84
مقدمه. 90
4-1. نرم­افزارهای مورداستفاده 85
4-2. مدل­سازی پیشبینی قیمت سهام. 85
4-2-1. داده­های تحقیق.. 85
2-4-2. شرکت­های حاضر در تحقیق.. 85
4-2-3. سؤال های مختلف برای پیش­بینی قیمت سهام. Error! Bookmark not defined.
4-3. داده­های آموزشی، اعتبار سنجی و آزمایشی.. 86
4-4. پیاده­سازی سؤالات مختلف برای پیشبینی قیمت سهام. 87
4-4-1. سؤال اول: چگونه می تواند قیمت سهام را با استفاده از شاخص های ترکیبی به روش شبکه عصبی پیش بینی کرد؟. 87
4-4-2. سؤال دوم: چگونه می تواند قیمت سهام را با استفاده از شاخص های تکنیکال به روش شبکه عصبی پیش بینی کرد؟. 89
4-4-3. سؤال سوم: تعیین عامل های مهم در تعیین نرخ اوراق در شرکت های شیمیایی.. 93
4-4-4. سؤال چهارم چگونه می توان با استفاده از الگوریتم های شبکه عصبی و شاخص های ترکیبی یک روش جدید با خطای کمتر برای پیش بینی قیمت سهام طراحی کرد؟. 95
4-5. تجزیه وتحلیل نمودارهای حاصل از آزمایش شبکه عصبی.. 97
4-5-1…………………………………………………………………………………………………… نمودار مقایسه قیمت واقعی و قیمت پیش بینی شده 97
4-5-2. نمودار ضریب همبستگی.. 97
4-6. جمع بندی.. 98
فصل پنجم: نتایج و پیشنهادات
مقدمه. 99
5-1. خلاصه پژوهش…. 100
5-2. بررسی نتایج.. 100
5-2-1.نتیجه سؤال اول. 101
5-2-2. نتیجه سؤال دوم: 101
5-2-3. نتیجه سؤال سوم. 102
5-2-4. نتیجه سؤال چهارم. 102
5-3. مقایسه نتایج.. 102
5-3-1. مقایسه مدل سؤال اول و سؤال دوم. 102
5-3-2. مقایسه مدل سؤال سوم و سؤال چهارم. 104
5-4. پیشنهادهای تحقیق.. 105
5-4-1. پیشنهادات کاربردی.. 106
5-4-2. پیشنهادات تحقیقات آتی.. 106
5-5. محدودیتهای پژوهش…. 106
منابع فارسی.. 107
منابع انگلیسی.. 110
 
 
 
فهرست نمودارها
عنوان                                               صفحه
نمودار 3-1. مدل شبکه پرسپترون چند لایه. 77
نمودار 3-2. گام به گام مراحل انجام تحقیق.. 83
نمودار 4-1. پیش بینی قیمت واقعی و پیش بینی شده 97
نمودار 4-2. ضریب همبستگی شبکه عصبی.. 98


 
فهرست جداول
عنوان                                               صفحه
جدول 2-1 خلاصه نتیجه تحقیقات خارجی گذشته. 67
جدول 2-2 خلاصه نتاج تحقیقات گذشته خارجی.. 71
جدول 3-1 الگوریتم مدل شبکه عصبی پیش خور. 77
جدول 3-2 معیارهای پیش بینی.. 79
جدول 3-3 شبه کد کلونی زنبور عسل.. 80
جدول 4-1 نام شرکتهای نمونه(یافته­های محقق) 86
جدول 4-2 محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای داده های ترکیبی(یافته­های محقق) 87
جدول 4-3 شبکه عصبی مدل اول آزمایشی با متغیرهای ترکیبی(یافته­های محقق) 88
جدول 4-4 شبکه عصبی مدل اول کل داده ها با متغیرهای ترکیبی(یافته­های محقق) 89
جدول 4-5 محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای داده های فنی (یافته­های محقق) 90
جدول 4-6 شبکه عصبی مدل دوم داده های آزمایشی با متغیرهای فنی (یافته­های محقق) 91
جدول 4-7 شبکه عصبی مدل دوم کل داده ها با متغیرهای فنی (یافته­های محقق) 92
جدول 4-8 شبکه عصبی مدل سوم داده های آزمایشی با متغیرهای ترکیبی و اقتصادی (یافته­های محقق)
جدول 4-9 شبکه عصبی مدل سوم کل داده ها با متغیرهای ترکیبی و اقتصادی (یافته­های محقق) 95
جدول 4-11 سطوح تنظیم پارامتر (یافته­های محقق) 95
جدول 4-12 سناریو آزمایشی عاملی کامل (یافته­های محقق) 96
جدول 4-13 شبکه عصبی کلونی زنبورعسل کل داده ها با متغیرهای ترکیبی (یافته­های محقق) 97
جدول 5-1 مقایسه نتایج سؤال اول و دوم. 103
جدول 5-2 مقایسه مدل سوم و چهارم. 104
 
 
 
 
چکیده­
 
با توجه به تأثیر بازار بورس در تأمین مالی و توسعه کشور، یافتن روشی مناسب برای پیش بینی بازار سهام اهمیت بسیار دارد. در بورس اوراق بهادار حساسیت های زیادی نسبت به روند قیمت وجود دارد، این باعث شده تا تحولات مربوط به چنین پدیده ی مورد تحلیل منظم قرار گیرد. در سال های اخیر مدل های متفاوتی شبکه عصبی جهت پیش بینی قیمت سهام صورت گرفته است. برای آزمون سؤال های تحقیق از داده­های مربوط به 10 شرکت شیمیایی پذیرفته شده در بورس اوراق بهادار تهران به عنوان نمونه­ی آماری و برای دوره­ی زمانی 1393-1387 به روش شبکه عصبی با داده­های ترکیبی شاخص بازار و مدل شبکه عصبی مبتنی بر کلونی زنبورعسل مورد تجزیه وتحلیل و مقایسه قرارگرفته است.
هدف این تحقیق که از بعد هدف از نوع کاربردی و از بعد روش توصیفی ست، پیش بینی قیمت سهام و ارائه یک مدل پویا و با خطای کمتر است، با متغیرهای ترکیبی تجزیه وتحلیل فنی و بنیادی و اقتصادی از شاخص بازار به روش شبکه عصبی در شرکت­های شیمیایی پذیرفته شده در بورس اوراق بهادار تهران است. نتایج این پژوهش نشان داده است، با داده ترکیبی متغیرهای تجزیه وتحلیل بنیادی بیشتر، ما آموزش بهتری را خواهیم داشت و نتایج بهتری را به دست می آوریم و خطای پیش بینی مینیمم می شود. همچنین استفاده از کلونی زنبورعسل به عنوان یک روش انتخاب ویژگی پوشش دهنده نقش مهمی در افزایش دقت و سرعت در اجرای تکنیک پیش بینی، حذف داده های غیر مرتبط و افزایش قابلیت فهم پذیری ایفا نمود و همچنین در مقایسه با شبکه عصبی با دادهای ترکیبی، کلونی زنبورعسل به عنوان یک روش پوشش دهنده در ترکیب با شبکه عصبی دقت پیش بینی بالاتری از خود نشان داد.
 
واژگان کلیدی: پیش بینی قیمت سهام، شبکه عصبی، دادهای ترکیبی، کلونی زنبورعسل
 
 
 
 
 
 
 
 
 
فصل اول:
 کلیات تحقیق
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
مقدمه
رشد بورس اوراق بهادار تهران در سالهای­اخیر منجر به انجام تحقیقات تجربی مفیدی در رشته ی مالی و حسابداری شده است. در این تحقیق، نیز برای کمک به پیشبرد ادبیات رشته­ی حسابداری به بررسی عوامل تأثیرگذار ناشناخته بر تغییرات قیمت سهام که همواره دلیلی برای روی آوردن به پیش بینی قیمت سهام شرکت هاست پرداخته می شود. امروزه مدیران مالی ترجیح می دهند مکانیزمی در اختیار داشته باشند که بتواند آن ها را در امور تصمیم گیری شان یاری نماید به همین دلیل توجه به روش های پیش بینی بسیار موردتوجه قرارگرفته است.
ازاین رو متخصصان بازار سرمایه، سالیان متمادی به مطالعه بازار و شناسایی الگوهای مختلف برای پیش بینی پرداخته اند که برای این امر ترکیبی از تشخیص الگو و تجربه ی مبتنی بر مشاهده روابط علّت و معلول را بکار بسته اند. همچنین برنامه های نرم افزاری بسیاری نیز وجود دارند که به این تصمیم گیری کمک می کند به عنوان موتور پیش بینی مورداستفاده قرار می گیرند. بااین وجود در روندهای مالی، اغلب شرایطی به وجود می آید که قوانین را به هم می ریزد پیش بینی را توسط روش های مذکور دشوار می سازد (آذر، افسر، 1385).
به این منظور پیش بینی قیمت سهام[1] را می توان مهم ترین مسئله دانست که سرمایه گذاران با آن مواجه هستند به طورکلی پیش بینی قیمت سهام با توجه به زمان محل و حجم سرمایه گذاری و عوامل و سایر متغیرهای مؤثر انجام می پذیرد در این راستا ابزار مختلفی ازجمله: روش های بنیادین، روش های تکنیکال، سری زمانی اریما[2] به کار گرفته شده اند؛ اما امروزه شبکه های عصبی های عصبی[3] و فازی توانسته اند از پیچیدگی های سری زمانی قیمت سهام را تجزیه وتحلیل نموده و طبق تحقیقات انجام شده برتری مدل های شبکه عصبی بر دیگر مدل ها اثبات شده است برخی تحقیقات به نتیجه مشترک رسیده اند که شبکه عصبی برای پیش بینی قیمت سهام دارای عملکرد بهتری نسبت به مدل های سنتی است (گالدون[4]، 2008) عده ای از محققان نیز بر این عقیده هستند که شبکه عصبی نتایج بهتری را نسبت به روش های اداری مانند رگرسیون و آنالیز ممیزی در پیش بینی قیمت سهام نشان می دهند (فن می لیو[5]، 2009).
نتایج تحقیق می تواند برای گروه های مختلف ازجمله مدیران و سهامداران مفید واقع شود. این پایان نامه به طورکلی از پنج فصل تشکیل شده است. در این فصل که کلیات تحقیق نام دارد به بیان مسئله ی تحقیق و ضرورت انجام آن می پردازد. سپس، مطالبی در خصوص اهداف، سؤالات و قلمرو تحقیق ارائه می شود. در پایان نیز، روش انجام تحقیق و تعریف واژه های اصلی تحقیق ارائه شده است.
 

  • بیان مسئله
این مطلب رو هم توصیه می کنم بخونین:   پایان نامه ارشد : تحلیل عوامل موثر بر اشتغال بخش کشاورزی استانهای(ایلام،کردستان،کرمانشاه،همدان):کاربرد مدل های اقتصاد ...

پیش بینی های بازار سهام با تکنیک داده کاوی یکی از مهم ترین موضوعات در سرمایه گذاری و یکی از موضوعات جالب در تحقیقات بازارهای مالی در دهه گذشته است. تلاش های بسیاری برای پیش بینی اطلاعات بازار سهام با استفاده از روش های آماری و سنتی صورت گرفته، اما این روش ها برای تحلیل این میزان از اطلاعات، چندان کافی نیست. داده کاوی یکی از مهم ترین ابزارهای فناوری اطلاعات در دنیای تجارت رقابتی امروز است، این روش قادر به کشف الگوهای پنهان و پیش بینی روند های آتی و رفتارها در بازار سهام است. امروزه از یکسو بزرگ شدن و پیچیده شدن مسائل حوزه مالی و از سوی دیگر عدم کارآمدی تکنیک های کلاسیک در مواردی از قبیل پیش بینی سبب شده است از سایر علوم در این حوزه استفاده شود. بر همین اساس و بر پایه سیستم های مدرن بر آن شدیم تا در این پایان نامه تلفیقی از دو رویکرد را باهم ترکیب کنیم و مدلی ارائه دهیم تا به واسطه آن بتوان با استفاده از اطلاعات گذشته اطلاعات آینده را تخمین زد و پیش بینی نمود. هدف اصلی این تحقیق مدلی است که با استفاده از داده های گذشته بازار بورس و مشخصاً نرخ سهام، بتوان نرخ سهام را در آینده نزدیک و با دقت مناسبی تخمین زد. این موضوع به ابزارهایی نیاز دارد که از آن جمله می توان به درک کامل تکنیک هایی که پیش بینی را انجام می دهند و نیز مرور فعالیت های انجام شده اشاره نمود.
داده کاوی، علم و فناوری بررسی اطلاعات در جهت کشف الگوهای ناشناخته و قسمتی از فرآیند کلی شناخت علم در پایگاه های داده است. در دنیایی که امروزه به وسیله رایانه اداره می شود، این پایگاه های داده شامل مقادیر اطلاعاتی هستند که بررسی اطلاعات توسط داده کاوی یک موضوع قابل توجه، مهم و ضروری است. بازار سهام پایگاه های داده بزرگی را تولید می کند که مسائل پیچیده و پویای عظیمی را با ابزارهای داده کاوی موردبررسی قرار می دهد. پتانسیل بالقوه قابل توجه از مزایای حل این مشکلات، ایجاد انگیزه برای پژوهش به طور گسترده است. پژوهش درداده کاوی، جاذبه بالایی متناسب بااهمیت این کاربرد و افزایش اطلاعات ایجادشده به دست آورده است. یک بازار سهام یا بازار سرمایه، بازار خصوصی یا عمومی برای معاملات سهام و اوراق مشتقه شرکت با یک قیمت توافق شده است.
اوراق بهاداری که در لیست شرکت های پذیرفته شده در بورس اوراق بهادار و نیز آن هــایی که به طور خصــــوصی قابل معامله اند، وجود دارد. اصطلاح بـازار سهـــام[6] به بازاری اطـلاق می شود که قادر به معامله سهام سهامداران گروهی و دیگر اوراق بهـادار و اوراق مشتقه است. این ســـهام در بازار سهامی که مؤسسات و شرکــت های سهامی یا سازمان های متخصص در تجـارت برای خریــداران و فروشندگان سهــام و اوراق بهادار گردآوری کرده اند، درج و معامله می شوند. عموم، داده کاوی (که بعضی مواقع کـشف داده یا دانـش نیز نامیـده می شود) فرآیـند تحلــیل داده ها از دورنـماهـای متفاوت و خلاصه کردن آن ها به اطلاعات مفـید است. به صـورت فنی، داده کاوی فرآیند کشــف ارتبــاطات و الگوهای میان ده ها زمینه در پایگاه های داده بزرگ مربوط است. پیش بینی رفتار بـازار از پایگاه داده سهــام بسیار مشکل و چالش برانگیز است؛ زیرا قیمت های سـهام بسیار پویا هستند در طول چند ســال اخیر رشد و توسعه بازار سرمــایه کشور و معرفی ابزارها، سازوکار و پدیده های نو در آن، اهمیت بازار سرمایه را در اقتصاد کشور ارتقا داده است. پیش بینی قیمت سهام یکی از مسائل مهم در بازارهای مالی است که توجه بسیاری از پژوهشگران دانشگاهی و کارشنـاسان این حوزه را در چنـد دهه گذشته به خود جلب نموده است. مشـکل ازآنجا ناشی می شود که پیش­بیــنی قیمت سهـام در بازارهای مـالی یکی از متغیرهای مهم درزمـینهٔ تصمیم های سرمایه گذاری، قیـمت گذاری اوراق بهادار مشتقه­ و مدیریت ریـسک است. ازآنجاکه سرمایــه گذاران بازارهای بورس همواره علاقه مندند از روند بعدی قیمت ها مطلع شوند؛ فــعالان این بازار درصدد دستــیابی و به کارگـیری روش هایی هستند تا بتوانند با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند؛ بنابراین، ضروری به نظر می رسد که روش های مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآوری افراد سرمایه گذار قرار گیرد ولی مشکل اینجاست که با توجه به تحقیقات گذشته روش های خطی و غیرخطی نمی توانند با دقت بالا قیمت سهام را پیش بینی کنند که پژوهشگران به دنبال روش هایی با دقت بالا هستند که برتری شبکه عصبی بر دیگر روش های پیش بینی قیمت سهام در تحقیقات گذشته ثابت شده است، شبکه عصبی فوق العاده پیچیده و می توان با آن مدل های گوناگونی برای پیش بینی طراحی کرد و از طرفی متغیرهای گوناگونی روی قیمت سهام تأثیرگذار هستند. در تحقیقات همه عوامل تأثیرگذار را باهم بررسی نکرده اند. در روش های گذشته فقط از شاخص های فنی استفاده شده است ولی در این پایان نامه قصد داریم با استفاده از متغیرهای تـرکیبی، فنی، بنیادی و اقتصادی برای تخمین قیمت سهام دقت پیش بینی قیمت سهام را بسنجم. هدف از این کار تحقیقاتی بهبود دقت پیش بینی قیمت روزانه سهام بازار به وسیله مدل های ترکیبی با استفاده از شبکه های عصبی مصنوعی است. بر همین اساس می خواهیم در این پایان نامه الگویی را با استفاده از سابقه هر سهم ارائه دهیم و آن را با نمونه ها گذشته هر سهم مقایسه نماییم و به این سؤال پاسخ دهیم که چگونه می توان قیمت سهام را با شاخص های ترکیبی بازار با استفاده از شبکه عصبی پیش بینی کرد؟
 

  • اهمیت و ضرورت انجام تحقیق

اهمیت ویژه بازار سرمایه در توسعه اقتـصادی از طریق هدایت مؤثر سرمایه ها و تخصیص بهینه منابع غیرقابل انکار است.
1-با انجام این تحقیق به سرمایه گذاران در بازار سرمایه که مستلزم تصمیم گیری است که این خود نیازمند دستیابی به اطلاعاتی در خصوص وضعیت آینده قیمت بازار سهام است. لذا درصورتی که بتوان روند آتی بازار سهام را با روش های مناسب پیش بینی نمود، سرمایه گذار می تواند بازده حاصل از سرمایه گذاری خود را بیشینه سازد.
2-در بازار کارایی سرمایه، اعتقاد بر این است که قیمت سهام انعکاسی از اطلاعات جاری مربوط به آن سهم است و تغییرات قیمت سهام دارای الگوی خاص قابل پیش بینی نیست. نظریات مطرح شده تا دهه ی 1980 میلادی به خوبی تعیین کننده ی رفتار قیمت سهام در بازار بودند. تا اینکه تحولات بازار سهام نیویورک در سال 1987 میلادی، اعتبار فرضیات بازار کارای سرمایه و مدل هایی نظیر تصادفی بودن قیمت ها را به شدت زیر سؤال برد. در دهه ی 1990 میلادی و بعدازآن، بیشتر توجه متخصصان به یک رفتار آشوبگرانه[7] همراه بانظم معطوف شد و تلاش در جهت طراحی مدل های غیرخطی به منظور پیش بینی قیمت سهام اهمیت روزافزونی یافت.
3-اهمیت و ضرورت این تحقیق به شدت به اهمیت بازار بورس در اقتصاد گره خورده است. به لحاظ اقتصادی، یکی از وظایف مهم بازارهای مالی، تسهیل تشکیل سرمایه است. شرکت هایی که درصدد تأمین مالی برمی آیند، اوراق بهادار (دارایی های مالی) خود را در برابر پولی که واسطه های مالی یا خود پس انداز کنندگان می پردازند، مبادله می کنند. این اوراق دارای قیمت مشخصی نمی باشند و قیمت آن ها تابع عوامل زیادی است. از این دیدگاه بر آن شدیم تا با ارائه روش بر پایه فن های شبکه عصبی و رویکرد ترکیبی سیستمی ارائه نماییم که به واسطه آن بتوان نرخ این اوراق را تخمین بزنیم.
4-امروزه شبکه های عصبی و فازی توانسته اند پیچیدگی های سری زمانی قیمت سهام را تجزیه وتحلیل نموده و طبق تحقیقات انجام شده برتری مدل شبکه های عصبی بر دیگر روش ها اثبات شده است. برخی تحقیقات به این نتیجه مشترک رسیده اند که شبکه عصبی برای پیش بینی قیمت سهام دارای عملکرد بهتری نسبت به مدل های سنتی است (گالدرون، 2008).
در این پایان نامه قصد داریم که قیمت سهام را با شاخص های ترکیبی بازار با شبکه عصبی در شرکت های شیمیایی پیش بینی نمایم که تاکنون هیچ تحقیق داخلی این را انجام نداده است و از طرفی دلیل انتخاب شرکت های شیمیایی نقش بسیار مهمی در اقتصاد و بازار سرمایه در همه دوره های اقتصادی ازجمله رشد یا رکود و تورم کشور دارند.

  • اهداف تحقیق

1-3-1. هدف اصلی
 پیش بینی قیمت سهام با استفاده از شاخص های ترکیبی به روش شبکه عصبی در شرکت های شیمیایی
1-3-2. اهداف فرعی

  • پیش بینی قیمت سهام با استفاده از شاخص های تکنیکال به روش شبکه عصبی در شرکت های شیمیایی
  • تعیین عامل های مهم در نرخ اوراق در شرکت های شیمیایی
  • طراحی یک سیستم پیش بینی جدید با استفاده از الگوریتم های شبکه عصبی و شاخص های بازار در شرکت های شیمیایی

[1]– Stock Prediction
[2]– Arima
[3]– Neural Network
[4]– Galdroon
[5]–  Fen miloo
[6]– Market stock
[7]– Chaos Theory
تعداد صفحه :123
قیمت :17500 تومان

بلافاصله پس از پرداخت ، لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت  serderehi@gmail.com

دسته‌ها: رشته حسابداری