دانلود PDF مقاله پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی علی رئوفی 31 صفحه پی دی اف
نوع فایل
PDF
حجم فایل
1MB
فروشنده
Lara
تاریخ انتشار
14 آذر 1403
دسته‌بندی
، ،
تعداد بازدیدها
30 بازدید
10,000 تومان

در این مقاله، ساختاری برای پیش بینی سری های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش بینی کرد. در این روش، با استفاده از تجزیه موجک، نویز های تصادفی داده های ورودی شبکه عصبی فازی تطبیقی کاهش می یابد و از این رو، این عمل باعث کاهش خطا و بهبود در پیش بینی سری زمانی آشوبی موردنظر می شود.

سایت جزوه فارسی دانلود PDF مقاله پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی علی رئوفی 31 صفحه پی دی اف را برای شما دوستان فراهم کرده است. همواره مدل سازی و پیش بینی متغیرهای مالی یکی از موضوع های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیش بینی سری های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش بینی کرد. با سایت جزوه فارسی همراه باشید.

مقاله پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی 

در این روش، با استفاده از تجزیه موجک، نویز های تصادفی داده های ورودی شبکه عصبی فازی تطبیقی کاهش می یابد و ازاین رو، این عمل باعث کاهش خطا و بهبود در پیش بینی سری زمانی آشوبی موردنظر می شود. در این مقاله، روش یادشده با استفاده از سری بازده بورس اوراق بهادار تهران در بازه زمانی 8/1/1390 تا 1/07/1395 مورد ارزیابی قرار گرفته که نتایج بیان کننده برتری روش پیشنهادی نسبت به سایر روش هاست. همچنین معنا داری اختلاف در پیش بینی مدل های مختلف با استفاده از آزمون MGN مورد بررسی قرار گرفت که نتایج نشان دهنده اختلاف معنا دار در پیش بینی مدل های مختلف بود.

دانلود پی دی اف مقاله پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی علی رئوفی

برای پیش‌ بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی، مراحل زیر را می‌ توان دنبال کرد:

1. تجزیه موجک: شروع با تحلیل سری زمانی بازده بازار سهام تهران با استفاده از تکنیک تحلیل موجک برای شناسایی الگو ها و تغییرات در بازار. استخراج ویژگی‌ های مهم از سری زمانی که احتمالاً به تغییرات بازار مرتبط می‌ باشد.

پی دی اف مقاله پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی علی رئوفی

شبکه عصبی فازی: طراحی و ایجاد یک شبکه عصبی فازی که ورودی‌ ها را از ویژگی‌ های تجزیه موجک دریافت کند و خروجی را به عنوان پیش‌ بینی بازده بازار تهران ارائه دهد. آموزش شبکه عصبی فازی بر اساس داده‌ های تاریخی و مدل‌ سازی سیستم پیش‌ بینی.

تطبیق و بهینه‌ سازی: ارزیابی و بهینه‌ سازی عملکرد شبکه عصبی فازی با ورودی از تجزیه موجک با استفاده از داده‌ های تاریخی و اطلاعات بازار فعلی. تطبیق و تنظیم پارامترهای شبکه عصبی فازی برای بهترین پیش‌ بینی بازده بازار.

خرید پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

ارزیابی و اعتبار سنجی: ارزیابی مدل پیش‌ بینی با استفاده از داده‌ های جدید و مقایسه با ادا و عملکرد واقعی بازار. اعتبار سنجی و ارزیابی میزان دقت و کارایی مدل ترکیبی تجزیه موجک و شبکه عصبی فازی تطبیقی در پیش‌ بینی بازده بازار سهام تهران. تعریف ورودی و خروجی: تعریف ورودی‌ های شبکه عصبی که می‌ توانند ویژگی‌ های مهمی از بازار سهام باشند مانند قیمت پایانی، حجم معاملات، متوسط ​​قیمت و …تعریف خروجی که می‌ تواند بازده یا رشد بازار سهام در زمان بعدی باشد.

توضیحات در مورد نویسنده مقاله پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

علی رئوفی دارای مدرک دکتری اقتصاد مالی گرایش اقتصاد سنجی از دانشگاه علامه طباطبایی بوده و از سوابق ایشان می‌ توان به مسئول سابق گروه پژوهشی، واحد مطالعات بازار دنیای اقتصاد، مدرس دوره‌ های آموزشی آمادگی آزمون اصول بازار سرمایه و تحلیلگر بازار سرمایه در مرکز مالی ایران و تدریس شبکه های عصبی مصنوعی و کاربرد آن در اقتصاد و علوم مالی در دانشگاه خوارزمی تهران اشاره کرد.

📚 😍 کتاب پیشنهادی

 مقاله معماری ساختمان های صفر انرژی با بررسی نمونه موردی خانه مهسا آقائی

⭐️⭐️⭐️⭐️⭐️

ادامه مطلب

دانلود شیوه تهیه و به کار گیری چگونه است؟

بر روی گزینه افزودن به سبد خرید کلیک کنید بعد طی مراحل و پرداخت وجه از طریق کارت های شتاب محصول برای دانلود آماده خواهد شد . سپس از محصول دریافت شده پرینت تهیه نمایید. اگر در خرید اینترنتی مشکل دارید از طریق کانال جزوه فارسی و یوزر ارتباط با ما اطلاع دهید تا از طریق کارت به کارت محصول رو تهیه نمایید.

علی رئوفی دارای مدرک دکتری اقتصاد مالی گرایش اقتصاد سنجی از دانشگاه علامه طباطبایی بوده و از سوابق ایشان می‌ توان به مسئول سابق گروه پژوهشی، واحد مطالعات بازار دنیای اقتصاد، مدرس دوره‌ های آموزشی آمادگی آزمون اصول بازار سرمایه و تحلیلگر بازار سرمایه در مرکز مالی ایران و تدریس شبکه های عصبی مصنوعی و کاربرد آن در اقتصاد و علوم مالی در دانشگاه خوارزمی تهران اشاره کرد.

جواب: تجزیه موجک یک تکنیک ریاضی است که برای تحلیل سیگنال‌ها و داده‌های پیچیده استفاده می‌شود. این روش به ما اجازه می‌دهد تا داده‌ها را به اجزای مختلف با فرکانس‌های متفاوت تقسیم کنیم. در پیش‌بینی بازار سهام، تجزیه موجک می‌تواند به شناسایی الگوهای زمانی و نوسانات در قیمت‌ها کمک کند، که می‌تواند به عنوان ورودی برای مدل‌های پیش‌بینی مانند شبکه‌های عصبی استفاده شود.
جواب: شبکه عصبی فازی تطبیقی (ANFIS) یک مدل یادگیری ماشین است که ترکیبی از شبکه‌های عصبی و منطق فازی است. این مدل قادر به یادگیری روابط غیرخطی بین ورودی‌ها و خروجی‌ها است و می‌تواند با داده‌های نامشخص و مبهم کار کند. مزایای ANFIS شامل توانایی در پردازش داده‌های پیچیده، انعطاف‌پذیری در یادگیری و قابلیت تفسیر نتایج است.
جواب: ابتدا داده‌های تاریخی قیمت سهام با استفاده از تجزیه موجک تحلیل می‌شوند تا نوسانات و الگوهای مختلف شناسایی شوند. سپس، اجزای به دست آمده به عنوان ورودی به مدل ANFIS داده می‌شوند. این مدل با یادگیری از داده‌های تاریخی، قادر به پیش‌بینی بازده آینده بازار سهام خواهد بود.
جواب: عوامل تأثیرگذار بر دقت پیش‌بینی شامل: • کیفیت داده‌ها: داده‌های دقیق و کامل برای آموزش مدل ضروری هستند. • انتخاب ویژگی‌ها: انتخاب مناسب ویژگی‌ها و متغیرهای ورودی می‌تواند تأثیر زیادی بر دقت پیش‌بینی داشته باشد. • پارامترهای مدل: تنظیم مناسب پارامترهای ANFIS و تجزیه موجک می‌تواند به بهبود دقت کمک کند. • نوسانات بازار: شرایط اقتصادی و سیاسی نیز می‌توانند بر رفتار بازار تأثیر بگذارند.
جواب: بله، تحقیقات نشان داده‌اند که ترکیب تجزیه موجک و ANFIS می‌تواند دقت پیش‌بینی بازده بازار سهام را بهبود بخشد. مطالعات موردی در بازار سهام تهران نیز نشان داده‌اند که این روش‌ها می‌توانند نسبت به مدل‌های سنتی مانند رگرسیون خطی یا مدل‌های ARIMA عملکرد بهتری داشته باشند. با این حال، موفقیت این روش‌ها بستگی به شرایط خاص بازار و کیفیت داده‌های ورودی دارد.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود PDF مقاله پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی علی رئوفی 31 صفحه پی دی اف”

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