سامانه مدیریت همایش های علمی


یازدهمین کنفرانس بین‌المللی مهندسی صنایع


عنوان فارسی	پیش بینی قیمت سهام شرکتهای بازار بورس تهران به کمک روشهای آماری و شبکههای عصبی

چکیده فارسی مقاله	پیش بینی سریهای زمانی مالی به ویژه قیمت سهام یکی از زمینههای فعال برای محققان، سهامداران، شرکتهای مالی و دولتها میباشد. در این مقاله به منظور پیشبینی قیمت سهام شرکتهای بازار بورس تهران، مدلهای میانگین متحرک جمع مدلهای ترکیبی تجزیهی مولفههای اصلی با شبکههای عصبی پرسپترون ، شبکههای عصبی پرسپترون چندلایه ، بستهی اتورگرسیو جندلایه و شبکهی عصبی کنترل رفتار مخچه به اجرا درآمدهاند، تا پس از ارزیابی این مدلها و بررسی نتایج آنها، بهترین مدل برای این امر معرفی شود. شبکهی عصبی کنترل رفتار مخچه در زمینه کنترل رباتها، پردازش سیگنال و همچنین پیشبینی شاخص سهام بازار بورس ژاپن، کارایی خوبی را در مطالعات و کاربردهای قبلی از خود نشان دادهاست. نتایج نشان دهنده برتری مدل شبکههای عصبی پرسپترون چندلایه میباشند. با توجه به معیارهای خطا میتوان نتیجه گرفت که به کمک این مدل میتوان پیشبینیهای دقیق و موثری را در بازار بورس تهران انجام داد .

کلیدواژه‌های فارسی مقاله	مدلهای آماری، شبکه های عصبی ، سری زمانی،

عنوان انگلیسی	Predicting Stock Price of Tehran Stock Exchange Companies Using Statistical Methods and Neural Networks

چکیده انگلیسی مقاله	Forecasting of financial time series, especially stock price predicting, is one of the active fields for researchers, shareholders, financial firms and governments. In this paper, in order to predict the stock price of companies in Tehran Stock Exchange, models of auto regressive integrated moving average (ARIMA), multi-layer perceptron (MLP), and hybrid models of principal component analysis (PCA) with multi-layer perceptron and cerebellar model articulation controller (CMAC) has been implemented. After evaluating the results of these models, the best model for this purpose is introduced. CMAC neural network in robot control, signal processing and forecasting stock index in Japan’s stock market has shown good performances in their previous studies and applications. The results shown that the MLP model is prominent for this case. According to error criterions, it can be concluded that we can apply this model for accurate and effective predictions in Tehran's stock market.

کلیدواژه‌های انگلیسی مقاله	Time series, forecasting, stock exchange market, statistical models, neural networks

نویسندگان مقاله	بهنام مهدی نیا \| Behnam Mahdi nia دانشگاه صنعتی اصفهان سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology) علی مصطفایی پور \| Ali Mostafaei por دانشگاه صنعتی یزد حسین ساجدی \| Hossein Sajedi دانشگاه صنعتی اصفهان سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

نشانی اینترنتی	iiec2015.org
فایل مقاله	دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده	fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده

برگشت به: صفحه اول پایگاه \| دوره مرتبط \| کنفرانس مرتبط \| فهرست کنفرانس ها