پایان نامه یش‌بینی قیمت سهام با شاخص­های ترکیبی به روش شبکه عصبی مصنوعی

 متن کامل پایان نامه مقطع کارشناسی ارشد رشته حسابداری

دانشگاه آزاد اسلامی

واحد کاشان

دانشکده تحصیلات تکمیلی

 

 

پایان‌نامه جهت اخذ درجه­ کارشناسی ارشد رشته حسابداری

 

 

عنوان:

 

پیش‌بینی قیمت سهام با شاخص­های ترکیبی به روش شبکه عصبی مصنوعی

 

آذر 1394

(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 داده­ ها و ابزار تحلیل.. 28

1-9-1. روش‌های آماری.. 28

1-9-2. روش‌های غیر آماری.. 28

1-9-3. نرم‌افزارها 29

1-10. جامعه و نمونه‌ی آماری.. 29

1-11. تعریف واژه‌های 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 پیش‌بینی.. 33

2-1-1. انواع شیوه‌های پیش‌بینی.. 34

2-1-2. اهداف نهایی پیش‌بینی.. 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 ارزش‌گذاری سهام. 42

2-8. ارزش ذاتی سهام عادی.. 43

2-9. نحوه ارزش‌گذاری سهام عادی.. .

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. .

2-13. سود حسابداری و قیمت سهام. 48

2-14. مفهوم سود اقتصادی.. 48

2-15. روش‌های سنتی تجزیه‌وتحلیل قیمت در بورس… 48

2-15-1. تجزیه‌وتحلیل تکنیکی.. 50

2-15-2. تجزیه تحلیل فنی.. 50

2-16. روش‌های مدرن تجزیه‌وتحلیل 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 پیش‌خور. 58

2-23. الگوریتم کلونی زنبورعسل مصنوعی.. .

2-24. تحقیق‌های پیشین.. 64

2-24-1. تحقیق‌های خارجی.. 65

2-24-2. تحقیق‌های داخلی.. .

2-25خلاصه‌ی فصل.. 72

فصل سوم: روش تحقیق

3-1.روش تحقیق.. 74

3-2.نمونه و جامعه آماری.. 74

3-2-1. جامعه‌ی آماری تحقیق.. 74

3-2-2. نمونه‌ی آماری تحقیق.. 75

3-3. داده‌های تحقیق.. 75

4-3. بررسی روش تحقیق مقاله پایه. 76

3-5. نرمال‌سازی.. 78

3-6. الگوریتم آموزش… 78

3-7. مرحله پیش‌بینی.. 79

3-8. روش گرداوری داده‌ها 80

الف. تجربه‌های آزمایشگاهی: 80

ب. بررسی میدانی: 80

ج. تحقیق پیمایشی: 81

3-9.دوره انجام پژوهش…. 81

3-10. ابزار اندازه‌گیری و محاسبه‌ی متغیرها 81

3-11. مراحل انجام تحقیق.. 81

فصل چهارم­­­­­­: تجزیه‌وتحلیل داده‌ها

تجزیه‌وتحلیل داده‌ها 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. سؤال‌های مختلف برای پیش ­بینی قیمت سهام. .

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 می‌تواند قیمت سهام را با بهره گرفتن از شاخص‌های ترکیبی به روش شبکه عصبی پیش‌بینی کرد؟. 87

4-4-2. سؤال دوم: چگونه می‌تواند قیمت سهام را با بهره گرفتن از شاخص‌های تکنیکال به روش شبکه عصبی پیش‌بینی کرد؟. 89

4-4-3. سؤال سوم: تعیین عامل‌های مهم در تعیین نرخ اوراق در شرکت‌های شیمیایی.. 93

4-4-4. سؤال چهارم چگونه می‌توان با بهره گرفتن از الگوریتم‌های شبکه عصبی و شاخص‌های ترکیبی یک روش جدید با خطای کمتر برای پیش‌بینی قیمت سهام طراحی کرد؟. 95

4-5. تجزیه‌وتحلیل نمودارهای حاصل از آزمایش شبکه عصبی.. 97

4-5-1…………………………………………………………………………………………………… نمودار مقایسه قیمت واقعی و قیمت پیش‌بینی‌شده 97

4-5-2. نمودار ضریب همبستگی.. 97

4-6. جمع‌بندی.. 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 پیش‌خور. 77

جدول 3-2 معیارهای پیش بینی.. 79

جدول 3-3 شبه کد کلونی زنبور عسل.. 80

جدول 4-1 نام شرکتهای نمونه(یافته­ های محقق) 86

جدول 4-2 محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای داده‌های ترکیبی(یافته­ های محقق) 87

جدول 4-3 شبکه عصبی مدل اول آزمایشی با متغیرهای ترکیبی(یافته­ های محقق) 88

جدول 4-4 شبکه عصبی مدل اول کل داده‌ها با متغیرهای ترکیبی(یافته­ های محقق) 89

جدول 4-5 محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای داده‌های فنی (یافته­ های محقق) 90

جدول 4-6 شبکه عصبی مدل دوم داده‌های آزمایشی با متغیرهای فنی (یافته­ های محقق) 91

جدول 4-7 شبکه عصبی مدل دوم کل داده‌ها با متغیرهای فنی (یافته­ های محقق) 92

جدول 4-8 شبکه عصبی مدل سوم داده‌های آزمایشی با متغیرهای ترکیبی و اقتصادی (یافته­ های محقق)

جدول 4-9 شبکه عصبی مدل سوم کل داده‌ها با متغیرهای ترکیبی و اقتصادی (یافته­ های محقق) 95

جدول 4-11 سطوح تنظیم پارامتر (یافته­ های محقق) 95

جدول 4-12 سناریو آزمایشی عاملی کامل (یافته­ های محقق) 96

جدول 4-13 شبکه عصبی کلونی زنبورعسل کل داده‌ها با متغیرهای ترکیبی (یافته­ های 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 كشور، یافتن روشی مناسب برای پیش‌بینی بازار سهام اهمیت بسیار دارد. در بورس اوراق بهادار حساسیت‌های زیادی نسبت به روند قیمت وجود دارد، این باعث شده تا تحولات مربوط به چنین پدیده‌ی مورد تحلیل منظم قرار گیرد. در سال‌های اخیر مدل‌های متفاوتی شبکه عصبی جهت پیش‌بینی قیمت سهام صورت گرفته است. برای آزمون سؤال‌های تحقیق از داده­های مربوط به 10 شرکت شیمیایی پذیرفته‌شده در بورس اوراق بهادار تهران به‌عنوان 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 تجزیه‌وتحلیل و مقایسه قرارگرفته است.

هدف این تحقیق که از بعد هدف از نوع کاربردی و از بعد روش توصیفی ست، پیش‌بینی قیمت سهام و ارائه یک مدل پویا و با خطای کمتر است، با متغیرهای ترکیبی تجزیه‌وتحلیل فنی و بنیادی و اقتصادی از شاخص بازار به روش شبکه عصبی در شرکت­های شیمیایی پذیرفته‌شده در بورس اوراق بهادار تهران است. نتایج این پژوهش نشان داده است، با داده ترکیبی متغیرهای تجزیه‌وتحلیل بنیادی بیشتر، ما آموزش بهتری را خواهیم داشت و نتایج بهتری را به دست می‌آوریم و خطای پیش‌بینی مینیمم می‌شود. همچنین استفاده از کلونی زنبورعسل به‌عنوان یک روش انتخاب ویژگی پوشش‌دهنده نقش مهمی در افزایش دقت و سرعت در اجرای تکنیک پیش‌بینی، حذف داده‌های غیر مرتبط و افزایش قابلیت فهم‌پذیری ایفا نمود و همچنین در مقایسه با شبکه عصبی با دادهای ترکیبی، کلونی زنبورعسل به‌عنوان یک روش پوشش‌دهنده در ترکیب با شبکه عصبی دقت پیش‌بینی بالاتری از خود نشان داد.

 

واژگان کلیدی: پیش‌بینی 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 مالی و حسابداری شده است. در این تحقیق، نیز برای کمک به پیشبرد ادبیات رشته حسابداری به بررسی عوامل تأثیرگذار ناشناخته ‌بر تغییرات قیمت سهام که همواره دلیلی برای روی آوردن به پیش‌بینی قیمت سهام شرکت‌هاست پرداخته می‌شود. امروزه مدیران مالی ترجیح می‌دهند مکانیزمی در اختیار داشته باشند که بتواند آن‌ها را در امور تصمیم‌گیری‌شان یاری نماید به همین دلیل توجه به روش‌های پیش‌بینی بسیار موردتوجه قرارگرفته است.

ازاین‌رو متخصصان بازار سرمایه، سالیان متمادی به مطالعه بازار و شناسایی الگوهای مختلف برای پیش‌بینی پرداخته‌اند که برای این امر ترکیبی از تشخیص الگو و تجربه‌ی مبتنی بر مشاهده روابط علّت و معلول را بکار بسته‌اند. همچنین برنامه‌های نرم‌افزاری بسیاری نیز وجود دارند که به این تصمیم‌گیری کمک می‌کند به‌عنوان موتور پیش‌بینی مورداستفاده قرار می‌گیرند. بااین‌وجود در روندهای مالی، اغلب شرایطی به وجود می‌آید که قوانین را به هم می‌ریزد پیش‌بینی را توسط روش‌های مذکور دشوار می‌سازد (آذر، افسر، 1385).

به این منظور پیش‌بینی قیمت سهام[1] را می‌توان مهم‌ترین مسئله دانست که سرمایه‌گذاران با آن مواجه هستند به‌طورکلی پیش‌بینی قیمت سهام با توجه به زمان محل و حجم سرمایه‌گذاری و عوامل و سایر متغیرهای مؤثر انجام می‌پذیرد در این راستا ابزار مختلفی ازجمله: روش‌های بنیادین، روش‌های تکنیکال، سری زمانی اریما[2] به کار گرفته‌شده‌اند؛ اما امروزه شبکه‌های عصبی‌های عصبی[3] و فازی توانسته‌اند از پیچیدگی‌های سری زمانی قیمت سهام را تجزیه‌وتحلیل نموده و طبق تحقیقات انجام‌شده برتری مدل‌های شبکه عصبی بر دیگر مدل‌ها اثبات‌شده است برخی تحقیقات به نتیجه مشترک رسیده‌اند که شبکه عصبی برای پیش‌بینی قیمت سهام دارای عملکرد بهتری نسبت به مدل‌های سنتی است (گالدون[4]، 2008) عده‌ای از محققان نیز بر این عقیده هستند که شبکه عصبی نتایج بهتری را نسبت به روش‌های اداری مانند رگرسیون و آنالیز ممیزی در پیش‌بینی قیمت سهام نشان می‌دهند (فن می لیو[5]، 2009).

نتایج تحقیق می‌تواند برای گروه‌های مختلف ازجمله مدیران و سهامداران مفید واقع شود. این پایان‌نامه به‌طورکلی از پنج فصل تشکیل‌شده است. در این فصل که کلیات تحقیق نام دارد به بیان مسئله‌ی تحقیق و ضرورت انجام آن می‌پردازد. سپس، مطالبی در خصوص اهداف، سؤالات و قلمرو تحقیق ارائه می‌شود. در پایان نیز، روش انجام تحقیق و تعریف واژه‌های اصلی تحقیق ارائه‌شده است.

 

• بیان مسئله

پیش‌بینی‌های بازار سهام با تکنیک داده‌کاوی یکی از مهم‌ترین موضوعات در سرمایه‌گذاری و یکی از موضوعات جالب در تحقیقات بازارهای مالی در دهه گذشته است. تلاش‌های بسیاری برای پیش‌بینی اطلاعات بازار سهام با بهره گرفتن از روش‌های آماری و سنتی صورت گرفته، اما این روش‌ها برای تحلیل این میزان از اطلاعات، چندان کافی نیست. داده‌کاوی یکی از مهم‌ترین ابزارهای فناوری اطلاعات در دنیای تجارت رقابتی امروز است، این روش قادر به کشف الگوهای پنهان و پیش‌بینی روند‌های آتی و رفتارها در بازار سهام است. امروزه از یکسو بزرگ شدن و پیچیده شدن مسائل حوزه مالی و از سوی دیگر عدم کارآمدی تکنیک‌های کلاسیک در مواردی از قبیل پیش‌بینی سبب شده است از سایر علوم در این حوزه استفاده شود. بر همین اساس و بر پایه سیستم‌های مدرن بر آن شدیم تا در این پایان‌نامه تلفیقی از دو رویکرد را باهم ترکیب کنیم و مدلی ارائه دهیم تا به‌واسطه آن بتوان با بهره گرفتن از اطلاعات گذشته اطلاعات آینده را تخمین زد و پیش‌بینی نمود. هدف اصلی این تحقیق مدلی است که با بهره گرفتن از داده‌های 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 می‌توان به درک کامل تکنیک‌هایی که پیش‌بینی را انجام می‌دهند و نیز مرور فعالیت‌های انجام‌شده اشاره نمود.

داده‌کاوی، علم و فناوری بررسی اطلاعات در جهت کشف الگوهای ناشناخته و قسمتی از فرآیند کلی شناخت علم در پایگاه‌های داده است. در دنیایی که امروزه به‌وسیله رایانه اداره می‌شود، این پایگاه‌های داده شامل مقادیر اطلاعاتی هستند که بررسی اطلاعات توسط داده‌کاوی یک موضوع قابل‌توجه، مهم و ضروری است. بازار سهام پایگاه‌های داده بزرگی را تولید می‌کند که مسائل پیچیده و پویای عظیمی را با ابزارهای داده‌کاوی موردبررسی قرار می‌دهد. پتانسیل بالقوه قابل‌توجه از مزایای حل این مشکلات، ایجاد انگیزه برای پژوهش به‌طور 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 شرکت‌های پذیرفته‌شده در بورس اوراق بهادار و نیز آن‌هــایی که به‌طور خصــــوصی قابل معامله‌اند، وجود دارد. اصطلاح بـازار سهـــام[6] به بازاری اطـلاق می‌شود که قادر به معامله سهام سهامداران گروهی و دیگر اوراق بهـادار و اوراق مشتقه است. این ســـهام در بازار سهامی که مؤسسات و شرکــت‌های سهامی یا سازمان‌های متخصص در تجـارت برای خریــداران و فروشندگان سهــام و اوراق بهادار گردآوری کرده‌اند، درج و معامله می‌شوند. عموم، داده‌کاوی (که بعضی مواقع کـشف داده یا دانـش نیز نامیـده می‌شود) فرآیـند تحلــیل داده‌ها از دورنـماهـای متفاوت و خلاصه کردن آن‌ها به اطلاعات مفـید است. به‌صـورت فنی، داده‌کاوی فرآیند کشــف ارتبــاطات و الگوهای میان ده‌ها زمینه در پایگاه‌های داده بزرگ مربوط است. پیش‌بینی رفتار بـازار از پایگاه داده سهــام بسیار مشکل و چالش‌برانگیز است؛ زیرا قیمت‌های سـهام بسیار پویا هستند در طول چند ســال اخیر رشد و توسعه بازار سرمــایه کشور و معرفی ابزارها، سازوکار و پدیده‌های نو در آن، اهمیت بازار سرمایه را در اقتصاد کشور ارتقا داده است. پیش‌بینی 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 می‌شود که پیش­بیــنی قیمت سهـام در بازارهای مـالی یکی از متغیرهای مهم درزمـینهٔ تصمیم‌های سرمایه‌گذاری، قیـمت‌گذاری اوراق بهادار مشتقه­ و مدیریت ریـسک است. ازآنجاکه سرمایــه‌گذاران بازارهای بورس همواره علاقه‌مندند از روند بعدی قیمت‌ها مطلع شوند؛ فــعالان این بازار درصدد دستــیابی و به‌کارگـیری روش‌هایی هستند تا بتوانند با پیش‌بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند؛ بنابراین، ضروری به نظر می‌رسد که روش‌های مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآوری افراد سرمایه‌گذار قرار گیرد ولی مشکل اینجاست که با توجه به تحقیقات گذشته روش‌های خطی و غیرخطی نمی‌توانند با دقت بالا قیمت سهام را پیش‌بینی کنند که پژوهشگران به دنبال روش‌هایی با دقت بالا هستند که برتری شبکه عصبی بر دیگر روش‌های پیش‌بینی قیمت سهام در تحقیقات گذشته ثابت‌شده است، شبکه عصبی فوق‌العاده پیچیده و می‌توان با آن مدل‌های گوناگونی برای پیش‌بینی طراحی کرد و از طرفی متغیرهای گوناگونی روی قیمت سهام تأثیرگذار هستند. در تحقیقات همه عوامل تأثیرگذار را باهم بررسی نکرده‌اند. در روش‌های گذشته فقط از شاخص‌های فنی استفاده‌شده است ولی در این پایان‌نامه قصد داریم با بهره گرفتن از متغیرهای تـرکیبی، فنی، بنیادی و اقتصادی برای تخمین قیمت سهام دقت پیش‌بینی قیمت سهام را بسنجم. هدف از این کار تحقیقاتی بهبود دقت پیش‌بینی قیمت روزانه سهام بازار به‌وسیله مدل‌های ترکیبی با بهره گرفتن از شبکه‌های عصبی مصنوعی است. بر همین اساس می‌خواهیم در این پایان‌نامه الگویی را با بهره گرفتن از سابقه هر سهم ارائه دهیم و آن را با نمونه‌ها گذشته هر سهم مقایسه نماییم و به این سؤال پاسخ دهیم که چگونه می‌توان قیمت سهام را با شاخص‌های ترکیبی بازار با بهره گرفتن از شبکه عصبی پیش‌بینی کرد؟

 

• اهمیت و ضرورت انجام تحقیق

اهمیت ویژه بازار سرمایه در توسعه اقتـصادی از طریق هدایت مؤثر سرمایه‌ها و تخصیص بهینه منابع غیرقابل‌انکار است.

1-با انجام این تحقیق به سرمایه‌گذاران در بازار سرمایه که مستلزم تصمیم‌گیری است که این خود نیازمند دستیابی به اطلاعاتی در خصوص وضعیت آینده قیمت بازار سهام است. لذا درصورتی‌که بتوان روند آتی بازار سهام را با روش‌های مناسب پیش‌بینی نمود، سرمایه‌گذار می‌تواند بازده حاصل از سرمایه‌گذاری 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 پیش‌بینی نیست. نظریات مطرح‌شده تا دهه‌ی 1980 میلادی به‌خوبی تعیین‌کننده‌ی رفتار قیمت سهام در بازار بودند. تا اینکه تحولات بازار سهام نیویورک در سال 1987 میلادی، اعتبار فرضیات بازار کارای سرمایه و مدل‌هایی نظیر تصادفی بودن قیمت‌ها را به‌شدت زیر سؤال برد. در دهه‌ی 1990 میلادی و بعدازآن، بیشتر توجه متخصصان به یک رفتار آشوبگرانه[7] همراه بانظم معطوف شد و تلاش در جهت طراحی مدل‌های غیرخطی به‌منظور پیش‌بینی قیمت سهام اهمیت روزافزونی یافت.

3-اهمیت و ضرورت این تحقیق به‌شدت به اهمیت بازار بورس در اقتصاد گره‌خورده است. به لحاظ اقتصادی، یکی از وظایف مهم بازارهای مالی، تسهیل تشکیل سرمایه است. شرکت‌هایی که درصدد تأمین مالی برمی‌آیند، اوراق بهادار (دارایی‌های مالی) خود را در برابر پولی که واسطه‌های مالی یا خود پس‌انداز کنندگان می‌پردازند، مبادله می‌کنند. این اوراق دارای قیمت مشخصی نمی‌باشند و قیمت آن‌ها تابع عوامل زیادی است. از این دیدگاه بر آن شدیم تا با ارائه روش بر پایه فن‌های شبکه عصبی و رویکرد ترکیبی سیستمی ارائه نماییم که به‌واسطه آن بتوان نرخ این اوراق را تخمین بزنیم.

4-امروزه شبکه‌های عصبی و فازی توانسته‌اند پیچیدگی‌های سری زمانی قیمت سهام را تجزیه‌وتحلیل نموده و طبق تحقیقات انجام‌شده برتری مدل شبکه‌های عصبی بر دیگر روش‌ها اثبات‌شده است. برخی تحقیقات به این نتیجه مشترک رسیده‌اند که شبکه عصبی برای پیش‌بینی قیمت سهام دارای عملکرد بهتری نسبت به مدل‌های سنتی است (گالدرون، 2008).

در این پایان‌نامه قصد داریم که قیمت سهام را با شاخص‌های ترکیبی بازار با شبکه عصبی در شرکت‌های شیمیایی پیش‌بینی نمایم که تاکنون هیچ تحقیق داخلی این را انجام نداده است و از طرفی دلیل انتخاب شرکت‌های شیمیایی نقش بسیار مهمی در اقتصاد و بازار سرمایه در همه دوره‌های اقتصادی ازجمله رشد یا رکود و تورم کشور دارند.

• اهداف تحقیق

1-3-1. هدف اصلی

 پیش‌بینی قیمت سهام با بهره گرفتن از شاخص‌های ترکیبی به روش شبکه عصبی در شرکت‌های شیمیایی

1-3-2. اهداف فرعی

• پیش‌بینی قیمت سهام با بهره گرفتن از شاخص‌های تکنیکال به روش شبکه عصبی در شرکت‌های شیمیایی
• تعیین عامل‌های مهم در نرخ اوراق در شرکت‌های شیمیایی
• طراحی یک سیستم پیش‌بینی جدید با بهره گرفتن از الگوریتم‌های شبکه عصبی و شاخص‌های بازار در شرکت‌های شیمیایی

[1]– Stock Prediction

[2]– Arima

[3]– Neural Network

[4]– Galdroon

[5]–  Fen miloo

[6]– Market stock

[7]– Chaos Theory

تعداد صفحه :123

قیمت :37500 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  asa.goharii@gmail.com