مقاله با ترجمه: مدل ترکیبی بر مبنای نظریه مجموعه های ناهنجار و الگوریتم های ژنتیکی برای پیش بینی قیمت سهام
- پس از پرداخت لينک دانلود هم نمايش داده مي شود هم به ايميل شما ارسال مي گردد.
- ايميل را بدون www وارد کنيد و در صورت نداشتن ايميل اين قسمت را خالي بگذاريد.
- در صورت هر گونه مشگل در پروسه خريد ميتوانيد با پشتيباني تماس بگيريد.
- براي پرداخت آنلاين بايد رمز دوم خود را از عابربانك دريافت كنيد.
- راهنماي پرداخت آنلاين
- قيمت :310,000 ریال
- فرمت :Word
- ديدگاه :
مقاله با ترجمه: مدل ترکیبی بر مبنای نظریه مجموعه های ناهنجار و الگوریتم های ژنتیکی برای پیش بینی قیمت سهام (۲۰۱۰)
چکیده :
در بازار سهام، تجزیه وتحلیل فنی به عنوان روش مفیدی برای پیش بینی قیمت های سهام می باشد. اگرچه، تحلیلگران متخصص سهام و مدیران اعتبار مالی معمولا قضاوت های ذهنی را بر مبنای شاخص های فنی هدف انجام می دهند، برای افراد غیرمتخصص مشکل می باشد تا تکنیک پیش بینی را بکار گیرند، زیرا شاخص های فنی پیچیده بسیار زیادی وجود دارد که می بایست مد نظر قرار گیرد. علاوه بر این دو مانع در بسیاری از مدل های پیش بینی گذشته وجود دارد: ۱) فرضیات آماری در ارتباط با متغیرها برای مدل های سری زمانی همانند مدل میانگین متحرک اتورگرسیو (ARMA) و ناهماهنگی مشروط اتورگرسیو (ARCH) مورد نیاز می باشند، تا مدل های پیش بینی کننده معادلات ریاضی را ایجاد کرده و این موارد به آسانی توسط سرمایه گذاران سهام درک نمی گردد؛ و ۲) اقوانینی که حاصل بعضی از الگوریتم های هوش مصنوعی همانند شبکه های عصبی می باشند که ضرورتا قابل درک نیستند.
برای غلبه بر این موانع، این مقاله مدل پیش بینی کننده هیبریدی را با استفاده از شاخص های فنی چندگانه برای پیش بینی روند بازار سهام مطرح می کند. علاوه بر این چنین مواردی شامل چهار روش مطرح شده در مدل های هیبریدی برای ایجاد قوانین کارامد به منظور پیش بینی می باشد، که حاصل قواعد استنباط شده با ارزش حمایتی بالا، با استفاده از مجموعه ابزارها بر مبنای مجموعه نظریات می باشد: ۱) شاخص های فنی ضروری را انتخاب کنید که در سطح بالا مرتبط به قیمت سهام آینده، از شاخص های مورد نظر، بر مبنای ماتریکس همبستگی باشند؛ ۲) از روش توزیع احتمالات تجمعی (CDPA) استفاده کرده و روش اصلی انتروپی را برای تقسیم بندی مقدار شاخص های فنی و نوسانات قیمت روزانه با توجه به مقادیر زبانی بر مبنای خصوصیت توزیع داده به حداقل برسانید. ۳) از الگوریتم RST برای استخراج قواعد زبانی از مجموعه داده های شاخص های فنی زبانی استفاده کنید؛ و ۴) از الگوریتم های ژنتیک برای اصلاح قواعد استخراج شده به منظور دقت پیش بینی بهتر و درآمد حاصل از سهام استفاده کنید. کارایی مدل مطرح شده بر مبنای دو نوع ارزیابی عملکرد، صحت و درآمد حاصل از سهام، و با استفاده از TAIEX در یک دوره شش ساله ( سرمایه گذاری بورس اوراق بهادار تایوان با مد نظر قرار دادن شاخص سهام محاسبه شده) به عنوان مجموعه داده آزمایشی، می باشد. نتایج تجربی نشان می دهد که مدل مطرح شده برتر از دو مدل پیش بینی شده در فهرست، از نقطه نظر دقت بوده و ارزیابی مربوط به سود سرمایه نشان می دهد که منافع ایجاد شده توسط مدل پیشنهادی بالاتر از سه مدل فهرست شده می باشد.
……………………………………………..
…………………………………………
دانلود مقاله انگلیسی (فایل pdf) همراه با ترجمه فارسی (فایل word)