پیش بینی قیمت بازارسهام با استفاده از ابزارهوشمند شبکه عصبی

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

 پیش بینی قیمت بازارسهام با استفاده از ابزارهوشمند شبکه عصبی دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی قیمت بازارسهام با استفاده از ابزارهوشمند شبکه 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 پیش بینی قیمت بازارسهام با استفاده از ابزارهوشمند شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی قیمت بازارسهام با استفاده از ابزارهوشمند شبکه عصبی :

تعداد صفحات :۲۱

چکیده مقاله:

پیش بینی قیمت سهام (خرید یک سهم به قیمت پایین و فروش آن به قیمت بالاتر) یکی از موضوع های مهم مالی است، چرا که داده های قیمت سهام دارای تغییرپذیری زیاد، پیچیدگی، دینامیک و آشوب گونه است، بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیش بینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است. چون هیچ قانون مناسب و مشخصی برای تخمین یا پیش بینی قیمت سهام در بازار سهام وجود ندارد . متدهایی مثل تجزیه و تحلیل تکنیکی ، تجزیه و تحلیل پایه ای ، تجزیه و تحلیل سری های زمانی و تجزیه و تحلیل آماری و غیره استفاده می شده است .مزیت استفاده از شبکه عصبی این است که محقق نیازی به دانستن نوع ارتباط بین متغیرهای مستقل و وابسته ندارد. در این پژوهش دو نوع از شبکه های عصبی مصنوعی را برای پیش بینی بازده بورس اوراق بهادار تهران به کار گرفته شد و یافته های تحقیق نشان داد که انواع شبکه ها را می توان در پیش بینی مورد استفاده قرار داد.در اینجا باید ذکر شود که همانگونه که در فرضیات آمده بود و در بخش پیش بینی نمایش داده شده است شبکه پرسپترون چند لایه در پیش بینی برون نمونه ای عملکرد بهتری داشته است. نمودار ۱ نشان می دهد که شبکه عصبی رادیال در پیش بینی درون نمونه ای بسیار دقیق عمل کرده است و میانگین مربعات خطای این شبکه نزدیک به صفر است. با این وجود به علت یادگیری بیش از حد شبکه، این نوع شبکه در پیش بینی برون نمونه ای مناسب عمل نکرده و میانگین مربعات خطای آن در مقایسه با شبکه عصبی پرسپترون بالاتر است. شبکه پرسپترون چند لایه در پیش بینی برون نمونه ای خود عملکرد بهتری داشته و میزان خطای پیش بینی این شبکه در این نوع پیش بینی پایین تر از شبکه رادیال است این امر در نمودار مشهود است.