پیشبینی سود هر سهم با استفاده از الگوریتم بهینه سازی حرکت ذرات PSO و ماشین بردار پشتیبان SVM

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

 پیشبینی سود هر سهم با استفاده از الگوریتم بهینه سازی حرکت ذرات PSO و ماشین بردار پشتیبان SVM دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیشبینی سود هر سهم با استفاده از الگوریتم بهینه سازی حرکت ذرات PSO و ماشین بردار پشتیبان SVM  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 پیشبینی سود هر سهم با استفاده از الگوریتم بهینه سازی حرکت ذرات PSO و ماشین بردار پشتیبان SVM،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیشبینی سود هر سهم با استفاده از الگوریتم بهینه سازی حرکت ذرات PSO و ماشین بردار پشتیبان SVM :

تعداد صفحات :۱۳

چکیده مقاله:

در پژوهش حاضر به مقایسه شبکه های عصبی، ماشین بردار پشتیبان و مدل برخواسته از ترکیب الگوریتم بهینه سازی انبوه ذرات PSOوو ماشین بردار پشتیبان SVM به منظور پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس پرداخته است. هدف این تحقیق طراحی مدلی است که سرمایه گذاران در بورس با پیش بینی هرچه دقیق تر سود هر سهم EPSو سود تقسیمی DPS که از فاکتورهای مهم در ارزیابی شرکت های در بورس می باشند، بتوانند در به دست آوردن فرصت سودآوری به آنها کمک نماید. جهت بررسی رابطه در شرایط بازار بورس تهران در دوره زمانی ۱۳۸۸-۱۳۹۳ جامعه ی مطالعاتی شامل شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد، که با استفاده از روش حذف سیستماتیک، شرکت هایی که اطلاعات مورد نظر پژوهش ما را فراهم نکرده اند، حذف و تعداد ۱۰۱شرکت انتخاب می گردد. سپس متغیرهای پژوهش مورد شناسایی قرار می گیرد که جهت تجزیه و تحلیل اطلاعات، از داده های به دست آمده از نرم افزار ره آورد نوین استفاده شده است . این داده ها جهت آزمون فرضیه ها توسط نرم افزار EXCELوMATLABوNEURO SOLATION استفاده شده است . نتایج این تحقیق نشان می دهد که ترکیب الگوریتم بهینه سازی انبوه ذرات PSO و ماشین بردار پشتیبان SVM قدرت پیش بینی را به طور محسوسی افزایش می دهد