برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
 
عنوان مقاله: 

بررسي خطاي پيش بيني تغييرات شاخص قيمت سهام در صنعت مواد و محصولات دارويي با استفاده از الگوريتم هاي هوش مصنوعي

 
نویسندگان: 
 
آدرس:  
* دانشگاه فردوسی مشهد
 
چکیده: 

مقدمه: شاخص قيمت سهام بورس نشان دهنده وضعيت اقتصادي کلي يک کشور است. به همين دليل، پيش بيني اين شاخص براي سرمايه گذاران از اهميت بسزايي برخوردار است. هدف پژوهش حاضر پيش بيني تغييرات شاخص قيمت سهام در بورس اوراق بهادار تهران با استفاده از شبکه هاي عصبي است.
روش پژوهش: براي انجام اين پژوهش از داده هاي شرکت هاي صنعت مواد و محصولات دارويي پذيرفته شده در بورس اوراق بهادار تهران در بازه زماني 1391-1385 استفاده شده است. از بين 48 متغير ورودي 10 متغير به وسيله الگوريتم بهينه سازي حرکت دسته جمعي ذرات انتخاب شد. اين الگوريتم ترکيب بهينه اي از متغيرهاي تاثيرگذار را شناسايي کرده که متغيرهاي مستقل اين پژوهش است. سپس، داده هاي مربوط به متغيرهاي انتخاب شده به طور جداگانه به الگوريتم هاي کرم شب تاب، توابع پايه شعاعي، شبکه هاي چند لايه پرسپترون، رقابت استعماري و شبکه تطبيقي بر اساس نظام هاي با منطق فازي وارد شد و اين الگوريتم ها آموزش داده شد. در ادامه، الگوريتم هاي مذکور با داده هاي ارزيابي، آزموده شده و به اين ترتيب خطاي پيش بيني مشخص و بر اساس آن به مقايسه روش ها پرداخته شد. براي اين منظور از نرم افزارهاي متلب نسخه هاي
6 و 7 SPSS نسخه 11 استفاده شد.
يافته ها: استفاده از متغيرهاي تاثيرگذار بر پيش بيني تغييرات شاخص قيمت سهام در الگوريتم هاي مورد استفاده در پژوهش حاضر توانسته است خطاي پيش بيني تغييرات شاخص قيمت سهام در سطح صنعت مواد و محصولات دارويي را کاهش دهد
.
نتيجه گيري: نتايج پژوهش نشان مي دهد که الگوريتم رقابت استعماري عملکرد بهتري نسبت به ساير الگوريتم ها دارد. هم چنين، الگوريتم هاي پيشنهادي در مجموع توانايي بالايي در پيش بيني شاخص قيمت سهام دارد و خروجي داده ها براي الگوريتم رقابت استعماري، ضريب همبستگي 0.9404 را نشان مي دهد.

 
کلید واژه: 

 
موضوعات مرتبط: 
-
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 146
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی