مقاله ارائه مدلی برایپیش بینی قیمت سهام شرکت ایران خودرو به کمک شبکههای عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله ارائه مدلی برایپیش بینی قیمت سهام شرکت ایران خودرو به کمک شبکههای عصبی دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارائه مدلی برایپیش بینی قیمت سهام شرکت ایران خودرو به کمک شبکههای عصبی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارائه مدلی برایپیش بینی قیمت سهام شرکت ایران خودرو به کمک شبکههای عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارائه مدلی برایپیش بینی قیمت سهام شرکت ایران خودرو به کمک شبکههای عصبی :

تعداد صفحات:۲۰

چکیده:

بی تردید امروزه بیشترین مقدار سرمایه از طریق بازارهای بورس در تمام جهان مبادله می شود . در حال حاضر عرضه و تقاضای سالانه ۵۰ میلیون خودرو در جهان صنعت خودروسازی را به یکی از صنایع بزرگ تبدیل کرده است . شرکت ایران خودرو با در اختیار داشتن حدود %۶۵ از سهم بازار خودرو کشور چه از نظر تولید و چه از نظر فروش، یکی از شرکت های مهم در بازار خودرو ایران و در نتیجه در بازار بورس می باشد و لذا تمایل روزافزونی مبنی بر پیش بینی قیمت سهام آن مشاهده می شود .
از طرف دیگر، امروزه علاقه فزاینده ای در استفاده از شبکه های عصبی برای پیش بینی قیمت سهام در بازار بورس بوجود آمده است . قدرت بالای تشخیص انواع الگوهای موجود در داده های بازار و تقریب توابع پیچیده از مشخصات ممتاز شبکه عصبی در کشف فرایند مولد قیمت بازار می باشد .
در این مقاله به پیشبینی قیمت سهام ایران خودرو (Iran Khodro Stock Exchange Price) IKSEP به کمک شبکههای عصبی پرسپترون خواهیم پرداخت . از این رو، پس از بررسی ادبیات موضوع، بوسیله آزمون گردش، امکان پیش بینی قیمت سهام شرکت ایران خودرو بررسی گردیده است . به علت نوسانات شدید موجود در داده های قیمت سهام شرکت ایران خودرو، روش خاصی برای انتخاب مجموعه تست و آموزش بکار گرفته شده و در نتیجه، قدرت برازش مدل شبکه به مراتب بهبود یافته است . همچنین تأثیر انواع توابع تبدیل برای لایه مخفی و خروجی و انواع ساختار شبکه از لحاظ تعداد گره های ورودی و مخفی بر عملکرد شبکه مورد بررسی قرار گرفته و آنها که در بهبود مدل شبکه موثر بوده اند، در مدل نهایی لحاظ گردیده اند و در نهایت بهترین مدل شبکه برای پیش بینی دورههای مختلف زمانی ارائه گردیده است .