(( بررسی دقت پیش‌بینی کنندگی شاخص سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران توسط مدلهای هوش مصنوعی))

توجه بسیار مهم:

این فایل قدیمی میباشد و به هیچ عنوان جهت ارائه به مراکز آموزش عالی (( با توجه به کددار بودن پایان نامه ها)) مجاز نبوده و قابل پذریش در هیچ  نهاد و دانشگاهی نمیباشد. هدف از این فایل ، فقط جهت راهنمایی و استفاده از ان به عنوان منبع می باشد. شایان ذکر است این فایل با رضایت صاحب آن در سایت قرارداده شده است

فایل به صورت ورد می باشد و امکان ویرایش دارد. این فایل به صورت کامل صفحه بندی شده و دارای فهست مطالب و .... می باشد. این پایان نامه کامل و جامع می باشد

چکیده:

پیش‌بینی شاخص قیمت سهام و جهت حرکت آن به عنوان یکی از چالش برانگیزترین کاربردهای سری‌های زمانی مورد توجه قرار گرفته است. اگرچه پژوهش‌های تجربی بسیاری در ارتباط با موضوع پیش‌بینی شاخص قیمت سهام صورت گرفته است، اما بیشتر دستاوردهای تجربی، در ارتباط با بازارهای مالی توسعه یافته می‌باشد و پژوهش‌های اندکی در ارتباط با بازارهای مالی در حال توسعه صورت گرفته است. با توجه به توان تحلیلی بالای تکنولوژی داده‌کاوی و با وجود قدرت پردازش بی‌نظیر آن، می‌توان از این تکنولوژی برای تحلیل مسائل بیشماری در دنیای واقعی، از جمله پیش‌بینی استفاده نمود. هدف اصلی این پژوهش پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از تکنیک‌های داده‌کاوی می‌باشد. جهت مدل‌سازی تکنیک داده‌کاوی از چهار روش شاخص هوش مصنوعی، که شامل شبکه‌های عصبی مصنوعی، الگوریتم ژنتیک، الگوریتم فازی و روش ترکیبی می‌باشد استفاده شده است. در این پژوهش از داده‌های شاخص کل قیمت بورس اوراق بهادار تهران با نام اختصاری تپیکس[1] استفاده شده است. یکی از اصلی‌ترین شاخص‌های بورس اوراق بهادار تهران است. بازه جمع آوری داده‌ها از سال1390 تا سال 1392 بوده است. سپس با استفاده از داده‌های شاخص کل قیمت سهام بوسیله کد نویسی در محیط نرم‌افزار متلب محاسبه مقادیر سی شرکت از شاخص‌های تکنیکال صورت پذیرفته است. در مورد پروژه علمی انتخابی برای سی شرکت داخل شبکه انجام شده است که به عنوان نمونه برای بانک صادرات مقادیر واقعی 0.00022 و روش ترکیبی 0.00014 است که نسبت به سه روش قبلی به مقادیر واقعی نزدیک‌تر است. مقادیر مربوط به سی شرکت محاسبه شده، به عنوان ورودی شبکه عصبی مصنوعی در نظر گرفته شده و پیش‌بینی مربوط به شاخص کل، مدل ‌سازی گشته است و از الگوریتم ژنتیک و الگوریتم فازی نیز استفاده شده است. در نهایت به این نتیجه رسیدیم که با استفاده از روش ترکیبی به بهبود عملکرد مدل بدست آمده پرداخته شده است.