user8193

پیش بینی قیمت سهام با استفاده از داده کاوی و شبکه های عصبی
علیرضا جندقیان
استاد راهنما:
دکتر امیر عباس نجفی
پایان نامه کارشناسی ارشد
رشته مهندسی صنایع گرایش مهندسی مالی
شهریور 1393

پیش بینی قیمت سهام با استفاده از داده کاوی و شبکه های عصبی
علیرضا جندقیان
استاد راهنما:
دکتر امیرعباس نجفی
پایان نامه کارشناسی ارشد
رشته مهندسی صنایع گرایش مهندسی مالی
شهریور 1393

تقدیم به :
پدر و مادر عزیزم
که در تمام مراحل زندگی پشتیبانم بودند

* mergeformat
تاسیس 1307
دانشگاه صنعتی خواجه نصیرالدین طوسی
تأییدیه هیأت داوران شماره:
تاریخ:
هیأت داوران پس از مطالعه پایان‌نامه و شرکت در جلسه دفاع از پایان نامه تهیه شده تحت عنوان : پیش بینی قیمت سهام با استفاده از داده کاوی و شبکه های عصبی توسط آقای علیرضا جندقیان ، صحت و کفایت تحقیق انجام شده را برای اخذ درجه کارشناسی ارشد در رشته مهندسی صنایع گرایش مهندسی مالی در تاریخ ……../6/ 1393 مورد تأیید قرار می‌دهند.
1- استاد راهنما جناب آقای دکتر امیرعباس نجفی امضاء
2- استاد مشاور جناب آقای / سرکار خانم دکتر …………………………………… امضاء
3- ممتحن داخلی جناب آقای / سرکار خانم دکتر …………………………………… امضاء
4- ممتحن خارجی جناب آقای / سرکار خانم دکتر …………………………………… امضاء
5- معاونت آموزشی و تحصیلات تکمیلی دانشکده جناب آقای دکتر عماد روغنیان امضاء
-4823976540529/10/1387-4216
0029/10/1387-4216

* mergeformat
تاسیس 1307
دانشگاه صنعتی خواجه نصیرالدین طوسی اظهارنامه دانشجو شماره:
تاریخ:
اینجانب علیرضا جندقیان دانشجوی کارشناسی ارشد رشته مهندسی صنایع گرایش مهندسی مالی دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی گواهی می‌نمایم که تحقیقات ارائه شده در پایان‌نامه با عنوان پیش بینی قیمت سهام با استفاده از داده کاوی و شبکه های عصبی با راهنمایی استاد محترم جناب آقای دکتر امیرعباس نجفی، توسط شخص اینجانب انجام شده و صحت واصالت مطالب نگارش شده در این پایان‌نامه مورد تأیید می‌باشد، و در مورد استفاده از کار دیگر محققان به مرجع مورد استفاده اشاره شده است. بعلاوه گواهی می‌نمایم که مطالب مندرج در پایان نامه تا کنون برای دریافت هیچ نوع مدرک یا امتیازی توسط اینجانب یا فرد دیگری در هیچ جا ارائه نشده است و در تدوین متن پایان‌نامه چارچوب (فرمت) مصوب دانشکده مهندسی صنایع را بطور کامل رعایت کرده‌ام. چنانچه در هر زمان خلاف آنچه گواهی نموده‌ام مشاهده گردد خود را از آثار حقیقی و حقوقی ناشی از دریافت مدرک کارشناسی ارشد محروم می‌دانم و هیچگونه ادعائی نخواهم داشت.
امضاء دانشجو:
تاریخ:
-5524506858029/10/1387-4217
0029/10/1387-4217

* mergeformat
تاسیس 1307
دانشگاه صنعتی خواجه نصیرالدین طوسی حق طبع و نشر و مالکیت نتایج شماره:
تاریخ:
1- حق چاپ و تکثیر این پایان‌نامه متعلق به نویسنده آن می‌باشد. هرگونه کپی برداری بصورت کل پایان‌نامه یا بخشی از آن تنها با موافقت نویسنده یا کتابخانه دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی مجاز می‌باشد.
ضمناً متن این صفحه نیز باید در نسخه تکثیر شده وجود داشته باشد.
2- کلیه حقوق معنوی این اثر متعلق به دانشگاه صنعتی خواجه نصیرالدین طوسی می‌باشد و بدون اجازه کتبی دانشگاه به شخص ثالث قابل واگذاری نیست.
همچنین استفاده از اطلاعات و نتایج موجود در پایان نامه بدون ذکر مراجع مجاز نمی‌باشد.
-48514016383029/10/1387-4214
0029/10/1387-4214

تشکر و قدردانی :
به این وسیله از زحمات بی دریغ استاد گرامی، جناب دکتر نجفی کمال تشکر را به خاطر سعه صدر و راهنمایی هایشان دارم
چکیده
بازار سرمایه، به دلیل داشتن خواص بسیاری از جمله عدم نیاز به سرمایه زیاد و سوددهی بالا به بستر مناسبی برای سرمایه گذاری تبدیل شده است. به همین دلایل، رشد این بازارها با سرعت چشمگیری در حال افزایش است. همین امر باعث تقاضای بالاتر برای اطلاعات، تلاش بیشتر برای پیش بینی و ابداع مدل های جدید برای پیش بینی آینده بازار شده است. پیش بینی بازار سرمایه به دلیل وجود انبوهی از سرمایه گذاران با دیدگاه های متفاوت و اثرگذار بودن تعداد زیادی از متغیرها که عملا بررسی همه آنها ممکن نیست، کاری دشوار و چالش برانگیز می باشد. به همین دلایل، مدل های پیش بینی جدید معرفی شده و مدل های پیش بینی قبلی ارتقا می یابند و یا با یکدیگر ترکیب می شوند. به طور کلی می توان گفت که تلاش های صورت گرفته تا زمان فعلی، در سه دسته برای پیش بینی بازار سرمایه قرار می گیرند. دسته اول از تحلیل تکنیکی، دسته دوم از تحلیل بنیادین و دسته سوم از مدل های ریاضی استفاده می کنند. تلاش برای افزایش قابلیت های مدل های موجود با استفاده از تلفیق این مدل ها با یکدیگر، روند تازه ای است که نتایج رضایت بخشی را نیز به دنبال داشته است. بیشتر این تلاش ها در جهت پیش بینی قیمت ها برای یک دوره جلوتر با استفاده از تحلیل تکنیکی و تحلیل بنیادی در چارجوب مدل های ریاضی و هوش مصنوعی قرار می گیرند. در همین راستا در پژوهش پیش رو به تلفیق تحلیل تکنیکی، تحلیل به وسیله مدل های سری زمانی و داده کاوی پرداخته و برای اولین بار به پیش بینی دو قیمت برای دوره آینده می پردازیم. مدل های مذکور در قالب شبکه عصبی با یکدیگر تلفیق شده و نتایج نشان دهنده برتری عملکرد شبکه عصبی نسبت به مدل رگرسیون چند متغیره و مدل های سری زمانی دارند.
کلمات کلیدی : پیش بینی؛ شبکه عصبی؛ داده کاوی؛ سری زمانی؛ تحلیل تکنیکی؛ رگرسیون چند متغیره
فهرست مطالب
TOC o “1-3” h z u فصل اول : کلیات تحقیق PAGEREF _Toc398330810 h 11-1- مقدمه PAGEREF _Toc398330812 h 21-2- نظریه کارایی بازار سرمایه PAGEREF _Toc398330813 h 31-3- ابعاد مختلف بازار سرمایه و ابزارهای پیش بینی PAGEREF _Toc398330814 h 51-4- پژوهش‌های مشابه PAGEREF _Toc398330815 h 91-5- ضرورت انجام تحقیق و اهمیت تحقیق PAGEREF _Toc398330816 h 131-6- اهداف تحقیق PAGEREF _Toc398330817 h 141-7- ساختار تحقیق PAGEREF _Toc398330818 h 14فصل دوم : ادبیات تحقیق PAGEREF _Toc398330819 h 152-1- مقدمه PAGEREF _Toc398330821 h 162-1-1- تحلیل تکنیکی PAGEREF _Toc398330822 h 172-1-2- تحلیل بنیادین PAGEREF _Toc398330823 h 182-1-3- تحلیل توسط مدل‌های علمی PAGEREF _Toc398330824 h 192-2- آیا بازار سرمایه پیش بینی پذیر است؟ PAGEREF _Toc398330825 h 222-2-1- نظریه کارایی بازار سرمایه PAGEREF _Toc398330826 h 222-2-2- فروض نظریه کارایی بازار PAGEREF _Toc398330827 h 282-2-3- انتقادات وارد شده به نظریه کارایی بازار سرمایه PAGEREF _Toc398330828 h 292-2-4- پاسخ نظریه کارا PAGEREF _Toc398330829 h 302-2-5- نتیجه گیری PAGEREF _Toc398330830 h 312-3- داده کاوی PAGEREF _Toc398330831 h 322-3-1- مقدمه PAGEREF _Toc398330832 h 322-3-2- مفهوم داده کاوی PAGEREF _Toc398330833 h 332-3-4- اهداف داده کاوی PAGEREF _Toc398330834 h 362-3-5- داده کاوی و رابطه آن با علم آمار PAGEREF _Toc398330835 h 412-4- شبکه عصبی PAGEREF _Toc398330836 h 432-4-1- معرفی: PAGEREF _Toc398330837 h 432-4-2- کاربرد شبکه های عصبی PAGEREF _Toc398330838 h 442-4-3- تعریف پایه شبکه های عصبی PAGEREF _Toc398330839 h 442-4-4- ویژگی های شبکه عصبی PAGEREF _Toc398330840 h 462-5- تحلیل تکنیکال PAGEREF _Toc398330841 h 592-5-1- مقدمه: PAGEREF _Toc398330842 h 592-5-2- اندیکاتورهای تحلیل تکنیکال PAGEREF _Toc398330843 h 602-6- مرور پژوهش های مشابه PAGEREF _Toc398330844 h 632-6-1- کاربرد شبکه عصبی در پیش بینی قیمت سهام PAGEREF _Toc398330845 h 632-6-2- کاربرد شبکه عصبی در تعیین استراتژی مبادله سهام PAGEREF _Toc398330846 h 702-6-3- کاربرد داده کاوی در بازار سهام PAGEREF _Toc398330847 h 752-6-4- کاربرد شبکه عصبی و داده کاوی در پیش بینی قیمت سهام PAGEREF _Toc398330848 h 77فصل سوم : روش تحقیق PAGEREF _Toc398330849 h 813-1- مقدمه PAGEREF _Toc398330851 h 823-2- جمع آوری داده ها PAGEREF _Toc398330852 h 853-3- پیش پردازش داده ها PAGEREF _Toc398330853 h 853-3-1- کاهش سطری داده ها PAGEREF _Toc398330854 h 863-3-2- ساخت اطلاعات مورد نیاز PAGEREF _Toc398330855 h 883-3-3- انتخاب داده ها و کاهش ستونی PAGEREF _Toc398330856 h 933-4- طراحی شبکه عصبی برای پیش بینی قیمت سهم PAGEREF _Toc398330857 h 953-4-1- ساختار شبکه PAGEREF _Toc398330858 h 953-4-2- الگوریتم یادگیری PAGEREF _Toc398330859 h 973-4-3- توابع فعال سازی PAGEREF _Toc398330860 h 983-5- مدل های رقیب و معیارهای سنجش PAGEREF _Toc398330861 h 983-6- جمع بندی PAGEREF _Toc398330862 h 98فصل چهارم : نتایج عددی PAGEREF _Toc398330863 h 994-1- مقدمه PAGEREF _Toc398330865 h 1004-2- جمع آوری داده ها و تشکیل پایگاه داده PAGEREF _Toc398330866 h 1004-3- پیش پردازش داده ها PAGEREF _Toc398330867 h 1014-3-1- کاهش سطری داده ها PAGEREF _Toc398330868 h 1014-3-2- ساخت اطلاعات مورد نیاز PAGEREF _Toc398330869 h 1034-3-3- انتخاب داده ها و کاهش ستونی پایگاه داده PAGEREF _Toc398330870 h 1094-4- طراحی شبکه عصبی PAGEREF _Toc398330871 h 1154-5- اجرای شبکه عصبی و مقایسه نتایج PAGEREF _Toc398330872 h 1164-6- جمع بندی PAGEREF _Toc398330873 h 121فصل پنجم : نتیجه گیری PAGEREF _Toc398330874 h 1225-1- مقدمه PAGEREF _Toc398330876 h 1235-2- جمع بندی تحقیق PAGEREF _Toc398330877 h 1235-3- نتایج و نوآوری های تحقیق PAGEREF _Toc398330878 h 1245-4- پیشنهادات برای تحقیقات آتی PAGEREF _Toc398330879 h 125

فهرست جدول ها
TOC h z t “ali,1” جدول 2-1 : توابع فعالسازی نرون های

متن کامل در سایت homatez.com

NameEmailWebsite

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *