پیش بینی شاخص سهام با استفاده از شبکه های عصبی موجک در بورس سهام تهران

در این تحقیق ، کل سهام موجود در بورس اوراق بهادار تهران با استفاده از مدلهای مختلف شبکه عصبی پیش بینی می شود. فرضیه تحقیق بیان می کند که عملکرد مدل شبکه عصبی WDBP Wavelet برای پیش بینی شاخص سهام بهتر از مدل شبکه عصبی PB است و دوره تحقیق ده سال از ابتدای سال 2002 تا پایان سال 2011 است. اطلاعات از آمار و داده های موجود در تهران جمع آوری می شود. پایگاه داده بورس اوراق بهادار. به منظور ایجاد مدل WDBP ، از موجک DB5 برای خنثی کردن داده ها در پنج مرحله استفاده می شود. معیار مورد استفاده برای اندازه گیری خطای پیش بینی ، میانگین خطای مربع (RMSE) است. آزمون فرضیه Wilcoxon در نتایج پس از پیش بینی شبکه های عصبی انجام می شود. نتایج آزمون نشان می دهد که سطح اهمیت شاخص کلی کمتر از 0. 05 است. بنابراین ، فرضیه تهی رد می شود. به عبارت دیگر ، بین پیش بینی روش شبکه عصبی و شبکه عصبی موجک تفاوت معنی داری وجود دارد.

کلید واژه ها

• شبکه عصبی
• موج دار
• شبکه عصبی موجک
• بورس سهام تهران

20. 1001. 1. 23453214. 1393. 2. 4. 2. 1

منابع

- آذr ، AADADEL و HEMQUARANAN.(1385).«meقaیsۀ rruش haheی کlaSیک wowش meصnaی ddr پیش bیnی شaخص قیmt sehame wh طaraحی medle thrکیbی». فصelnaMheۀ مدرس علوما ام انسنی ، شMARۀ 4.

- عسلامی بدمگلی ،مظمدی ، شaپvr.(1388).«berrsی زemans memقیseshas قیmt گذarی ddarah ssrmaیhaی atherیق tatbdیle mmuجک». MEHELHۀ BERRESQHAHAی حSABDARHی WO حSABABRESی ، شMARۀ 58.

- ارهسر ، امییر.(1384).«اللهوسای پیشbیnی شaخص قیmet esghemate ba shesthadh ate شbکhahah asصbی فaزی whruش thrکیbی».

- پaکdی n-amیerی ، Alaleیrضa wh Hymaharana.(1388).«اره تمل پیش bیnی شaخص کl قیmt kemt shame bhahard شbکhahaی aصbی (memطyalaۀ amurdی: bevhars evharaق shoghydyarah ateharranan))») ". فصelnaMۀ جStarhareaی اِتاتاتادی ، شMARۀ 11.

- جurarabیna ، memحmud.(1388). jebکhe heyaی asصbی meصahی ، enttشaratat dentnشگahah شhیd چmarana. - رحا ، رحا ؛پwیnahr ، amحmed.(1389). memdیerیt sermaیheharی پیشrفthe ، شner سمت.

- رحا ، رحا ؛چavشی ، کaظm.(1382).«پیش bیnی baزde yseham deburs evarah behahadarar tharana: eddel شbquehahaی asصbی meصna 'و hemdel چndalamalah» ». فصelnamۀ thحقیقat malی ، شmarۀ 15.

- سعدی ، حSیN ؛مظمدی ، شaپvr.(1390).«kebیnی usanaatt baزdhe bahaزary basthadhadh ate م edlehahی thrکیbی گarah-alebکۀ a alصbی». فصelnaMۀ Bors Oraraق BehahaDAR ، شMARۀ 16.

- صیAdی ، اظم.(1387).«آشnaیی meقdemathی ba bebdheal و walet». MEHELHۀ TTحقیقATTETصADHی ، شMARۀ 80.

- صلیوعی ، عبس و هامکهران.(1386).«اللهوسای پیش bیnی قیmt sehame ba esthadhadhe eز شbکۀ a asصbی wh meقaیsۀ آn bahaش ahaی پیشbیnی rhrیaضی». پژwheشnamah اِتاتادی.

- عباسی­نژاد، حسین؛ ­محمدی، شاپور. (1384). «تحلیل سیکل های تجاری ایران با استفاده از نظریۀ موجک ها». مجلۀ تحقیقات اقتصادی ، شمارۀ 75.

- فلاح پور، سعید. (1388). «طراحی مدلی برای مدیریت فعال پرتفوی سهام با استفاده از الگوریتم ژنتیک و ارزش در معرض ریسک». دانشگاه تهران.

- کیا، سید مصطفی. (1389). محاسبات نرم در MATLAB، خدمات نشر کیان رایانه. - محمدی، احمد. (1385). «پیش­بینی نرخ ارز با استفاده از شبکۀ عصبی و تبدیل موجک». دانشگاه تهران.

- مشیری، سعید؛ مروت، حبیب. (1385). «پیش­بینی شاخص کل بازدهی سهام تهران با استفاده از مدل­های خطی و غیرخطی». فصلنامۀ پژوهشنامۀ بازرگانی ، شمارۀ 41.

- Azadeh, A. & S. F. Ghaderi (2008). “Aual electricity consumption forecasting by neural network in high energy consuming industrial sectors”, Energy Conversion and Management, Vol. 49, No. 7, pp. 787-802.

- Cao. Qing & etc. (2005). “A comparison between Fama and French’s model and artificial neural network in predicting the Chinese stock market”, Computers & Operational Research, Vol. 32, No. 2, pp. 150-173.

- Donoho, D. L. & I. M. Johnstone (1995). “Adapting to unknown smoothness by wavelet shrinkage”, Joual of the American Statistical Association, Vol. 90, No. 11, pp. 3228-3240.

- Enke, D. & S. Thawowong (2005). “The use of data mining and neural networks for forecasting stock market retus”, Expert Systems with Applications, Vol. 29, No. 3, pp. 142-160.

- Feandez, Viviana (2006). “The CAPM and value at risk at different time-scales”, Inteational Review of Financial Analysis, Vol. 15.

- Gencay, R. & etc. (2001). "An Induction to Wavelets and Other Filtering Methods in Financed Economics", Academic Press, San Digo, Vol. 14, No. 11, pp. 232-252.

- Guresen, E. & etc. (2011). “Using artificial neural network models in stock market index prediction”.

- Hansen, J. V. & R. D. Nelson (2002). “Data mining of time series using stacked generalizers”, Neurocomputing, Vol. 43, No. 7, pp. 334-348.

- Haven. Emmanuel & etc. (2012). “De-noising option prices with the wavelet method”, European Joual of Operational Research.

- Jammazi, Rania & Chaker Aloui (2011). “Crude oil price forecasting: Experimental evidence from wavelet decomposition and neural network modeling”, Energy Economics xxx.

- Kaastra, I. & M. Boyd (1996). “Designing a neural network for forecasting financial economic time series”, Neurocomputing, Vol. 10, No. 3, pp. 1001-0023. Не удалось загрузить все результаты. ПовторитьПовторная попытка…

- کیم، سانگ بائه و فرانسیس این.(2005)."رابطه بین بازده سهام و تورم: شواهد جدید از تجزیه و تحلیل موجک"، مجله مالی تجربی، جلد. 12، شماره 1، صص 95-111.

- میسیتی، میشل و غیره (2006). ویولت و کاربردهای آنها

- Mörchen، F. (2003)."استخراج ویژگی سری های زمانی برای داده کاوی با استفاده از DWT و DFT"، گروه ریاضیات و علوم کامپیوتر دانشگاه فیلیپس ماربورگ. گزارش فنی، جلد. 33، شماره 6، صص 656-674.

- اوه، کی جی و کی جی کیم (2002).«تجزیه و تحلیل داده های تیک بازار سهام با استفاده از مدل غیرخطی تکه ای»، سیستم خبره با کاربردها، جلد. 22، شماره 2، صص 209-222.

- رمزی، جیمز بی و کامیل لمپارت (1998)."تجزیه روابط اقتصادی بر اساس مقیاس زمانی با استفاده از موجک: هزینه و درآمد"، مطالعات در دینامیک غیرخطی و اقتصاد سنجی، جلد. 3، شماره 5، صص 1147-1163.

- اس مایا. آندره لوئیس و غیره (2008)."مدل های پیش بینی برای سری های زمانی با ارزش بازه ای"، Neurocomputing، جلد. 71، شماره 2، صص 326-341.

- Wang, J. Z. & J. J. Wang (2011)."پیش بینی شاخص های سهام با شبکه عصبی پس انتشار"، Expert Systems with Applications, Vol. 38، شماره 10، صص 152-172.

- وانگ، ی (2003)."قیمت سهام معدن با استفاده از سیستم فازی راف مجموعه"، سیستم خبره با برنامه های کاربردی، جلد. 24، شماره 8، صص 2323-2349.

- وونگ، بو. K. & Yakup Selvi (1998).«کاربرد شبکه عصبی در امور مالی: بررسی و تحلیل ادبیات»، اطلاعات و مدیریت، جلد. 34، شماره 4، صص 378-400.

- Zhang، Guoqiang و غیره (1998)."پیش بینی با شبکه عصبی مصنوعی: وضعیت هنر"، مجله بین المللی پیش بینی، جلد. 14، شماره 3، صص 485-501.

- ژانگ، جی (2003).«پیش بینی سری های زمانی با استفاده از مدل ترکیبی ARIMA و شبکه عصبی»، Neurocomputing، جلد. 50، شماره 1، صص 38-52.