پایاننامه مدیریت سیستمهای اطلاعاتی بازار سهام شبکه عصبی مصنوعی چندلایه پرسپترون

۱۰۰ هزار تومان ۷۵ هزار تومان
افزودن به سبد خرید

جهت خرید و دانلود پاياننامه مديريت سيستمهاي اطلاعاتي بازار سهام شبکه عصبي مصنوعي چندلايه پرسپترون روی خرید محصول کلیک و یا با ایمیل زیر در ارتباط باشید

sellthesis@gmail.com


پايان نامه کارشناسي ارشد مهندسي فناوري اطلاعات مديريت سيستم هاي اطلاعاتي پيش بيني الگوي بازار سهام با استفاده از شبکه هاي عصبي مصنوعي چندلايه پرسپترون


خرید محصول پاياننامه مديريت سيستمهاي اطلاعاتي بازار سهام شبکه عصبي مصنوعي چندلايه پرسپترون


چکیده:

در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، از مهمترين روشها براي بهبود در وضعيت مالي مي توان به افزايش درآمد اشاره کرد. يکي از آسان ترين راه-ها، سرمايه گذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آوردند. يکي از جذاب ترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. اين مساله موجب شد که به بررسي الگوريتم و روشهاي هوش مصنوعي در مديريت بورس پرداخته شود. در اين تحقيق روشهاي مختلف مورد بررسي قرار گرفته و دلايل موفقيت و شکست اين روشها بررسي شده است. بر مبنای مطالعات انجام شده شاید بتوان گفت بهترين و پرکاربردترين روش شبکه هاي عصبي است. اگر اين روش با روشهاي آماري ترکيب شود امکان دستيابي به نتايج بهتری فراهم خواهد شد و اگر اين زمينه ميسر شود موجب بهبود در وضع اقتصادي شرکتها و در نتيجه بهبود در وضع اقتصاد کشور خواهد شد.
در اين پروژه سعي شده است به کمک شبکه عصبي پرسپترون به پيش بيني بازار سهام پرداخته شود. پس از بررسيهاي انجام شده آشکار شد بر روي داده هاي بنيادي بورس اوراق بهادار کمتر کار شده است. بنابراين به بررسي و مقايسه داده هاي بنيادي، تکنيکي و ترکيب بنيادي و تکنيکي پرداخته شده است. سپس نشان داده شده است که داده هاي ترکيبي براي پيش بيني مناسب تر هستند. با هدف بهبود پيش بيني، به داده هاي مورد استفاده در بازار سهام الگوي سر و سرشانه افزوده شده است. با بررسي و مقايسه صورت گرفته بين داده هاي معمولي بدون الگوي سر و سرشانه و داده های با استفاده از اين الگو به کمک جعبه ابزار شبکه عصبي MATLAB نشان داده شده است که اين الگوموجب بهبود پيش بيني خواهد شد.


فهرست مطالب
عنوان صفحه
فهرست مطالب
چکيده
فصل اول: مقدمه 1
فصل دوم: 6
2-1 مقدمه 6
2-2 بررسي اولين پژوهشهای انجام شده 6
2-3 استفاده از روشهاي شبکه عصبي و تحليلهاي سري زماني 7
2-4 بررسي بازار کارآمد .8
2-5 فاکتورهاي موثر در پيش بيني 9
2-6 ادغام روشهاي شبکه هاي عصبي و فازي 9
2-7 روش ماشين بردار پشتيبان 10
2-8 تاثير انتشار اطلاعات بورس بر روند پيش بيني 10
2-9 ايجاد سيستم خودکار 11
2-10 بررسي جديدترين روشها .11
2-11 بررسي روشهاي داده کاوي در پيش بيني 14
2-12بررسي روش ماکف 14
2-13 بررسي روش ARIMA 15
2-14 نتيجه گیری 17
فصل سوم: 17
3-1مقدمه 19
3-2 اصطلاحات رايج در بازار بورس 19
3-2-1سهام 19
3-2-2 بورس 20
3-2-3 حجم مبنا 20
3-2-4 درصد تحقق سود 20
3-2-5 پيش بيني سود 21
3-2-6 شاخص 21
3-2-7 نماد 21
3-2-8 دامنه نوسان 21
3-2-9 بررسي فاکتورهاي کيفي و کمي 22
3-3 انواع روشهاي پيش بيني 22
3-3-1تحليل تکنيکي 23
3-3-2تحليل پايه 24
3-3- 3روشهاي جايگزين 28
3-4 فرضيه بازار کارآمد 37

3-5 ماشين بردار پشتيباني 37
3-6 نتيجه گیری 38
فصل چهارم: 39
4-1 مقدمه 39
4-2 انواع ديدگاه در ادبيات مالي 40
4-2-1 روش بنيادي .40
4-2-2روش تکنيکي 40
4-3 الگوريتم TRAINLM .44
4-4 آموزش دسته اي کاهش شيب 46
4-5 آموزش دسته اي Momentum 46
4-6 تعيين تعداد لايه و تعداد نورون در هر لايه 46
4-7 تحليل نتايج 47
4-8 الگوي سر و سرشانه 53
4-9 نحوه آماده سازي داده به کمکRandomWalk 56
4-10 تعيين تعداد لايه و تعداد نورون در هر لايه 57
4-11نتيجه گیری 62
فصل پنجم: 63.
5-1 مقدمه 63
5-2 کارهاي انجام شده در پايان نامه 63
5-2-1 پژوهشي 63
5-2-2 اصلاحات 63
5-2-3 نرم افزار 64
5-2-4 پايگاه داده 64
5-3 دوره زماني پيش بيني 64
5-4 انواع پيش بيني 64
5-5 نوع پنجره انتخابي 64
6-5 تعداد لايه هاي پنهان و تعداد نورونها 65
5-7 نتيجه گیری 67
فصل ششم: 68
6-1 نتيجه گيري 68
6-2 پيشنهادات 69
مراجع 70


فصل اول: مقدمه

در دنياي امروز با توجه به تغيير سبک زندگي، مردم به دنبال روشي براي بهبود و پيشرفت وضع اقتصادي خود هستند، که از مهمترين روشها براي بهبود در وضعيت مالي مي توان به افزايش درآمد اشاره کرد. يکي از آسان ترين راه ها، سرمايه گذاري است که ابعاد مختلف دارد. در کشور ايران با توجه به تغييرات شديد بازار سکه و ارز، افراد بيشتري به سمت بازار سهام رو آورده اند. يکي از جذاب ترين مسايل در بورس دستيابي به روشي است که موجب افزايش سرمايه و تا حد امکان، کاهش ضرر گردد. سهام در بازار بورس يک خريد يا فروش پر ريسک است که در آن یا سود بسياري است يا شخص را متحمل ضرر مي کند.
از سال 1409 ميلادي ميدانهاي مبادله کالا، پول و ساير وسايل پرداخت در فنلاند بوجود آمد [1]. صرافان همه روزه در ميدان توبوئرس در مقابل خانه ي بازرگان معروف واندر بورس براي دادوستد پول جمع مي شدند. به همين مناسبت اين گروه ها اختصارا نام بورس را گرفتند. اولين بورس واقعي در سال 1460 در بلژيک راه اندازي شد. بورس اوراق بهادار تهران در سال 1346 تاسيس گرديد، اين سازمان از پانزدهم بهمن ماه آن سال فعاليت خود را با انجام چند معامله بر روي سهام بانك توسعه صنعتي و معدني آغاز كرد. در نهايت داد و ستد الكترونيك سهام در ايران در تاريخ 24/9/82 توسط بانك توسعه صادرات به اجرا درآمد تا فاصله بين مردم و تكنولوژي روز را كمتر نمايد. از سال 1997 افراد بسياري به دنبال به دست آوردن راهي براي پيشرفت در زمينه بورس بودند. مهم ترين مساله براي بازرگانان و خريداران سهام يافتن راهي براي پيش بيني بازار سهام بود. آنها نمي دانستند که چه زماني بايد سهام خود را نگه دارند و چه زماني بفروشند. خريد سهام هم يکي ديگر از مسايل در اين زمينه بود. اگر به طور دقيق تري به مساله نگاه شود، سقوط و ورشکستگي دربازار سهام مربوط به يک شخص نيست زيرا ميزان سود و ضرر کم است و اين مساله نمي تواند اقتصاد کشور را دچار مشکل کند. در مورد بازرگانان و شرکتهاي مهم اقتصادي در کشور اين مساله بسيار حائز اهميت است زيرا، ورشکستگي آنها موجب بحرانها و مشکلات اقتصادي و رکود در بازار سهام بين-المللي خواهد شد. در حقيقت مي توان گفت پيش بيني شاخصهاي سهام جزء ارکان اصلي است، اما بسيار دشوار است. فرار بودن داده ها، تغييرات زياد در بازار و نبود قانون مشخص که داده ها از آن پيروي کنند از دلايل دشواري کار است. در اين راستا به الگوريتمهاي هوش مصنوعي مي توان اشاره کرد. زيرا براي يافتن راه حل بايد به دنبال کشف الگويي در سيستمهاي غيرخطي و بي نظم بود. ابزار هوش مصنوعي براي پيش بيني در محيطهاي داراي داده هاي افزونه بسيار مفيد هستند.
اگر به بازار سهام با ديد مديريتي نگاه شود ملاحظه مي شود که، انسان از زماني كه خود را شناخته تاكنون همواره با مفهوم تصميم گيري در تعامل بوده است. در اين بين، بعضي از دانشمندان علم مديريت، تا جايي پيش رفته اند كه اعلام مي کنند يك مدير هيچ كاري جزء تصميم گيري ندارد. تصميم گيري را می توان يك مسئله انتخاب تعريف نمود. در چنين مسائلي، پيش بيني پارامترهاي تصميم بسيار پيچيده و در بسياري از موارد ناممكن است. يکی از تصميم گيريهايي که مديران مالي با آن در ارتباط هستند، تصميمات مربوط به سود نقدي سهام و عملکردهاي وابسته به آن است. براساس اهميت تصميمات وابسته به سود نقدي سهام همواره، دغدغه هاي زيادي براي پيش بيني اين عامل وجود داشته و مدلهايي براي آن ارائه شده است، اما مانند ديگر مدلهاي پيش بيني، سؤالي اساسي در اين زمينه این است که چه متغيرهايي بر سود نقدي سهام اثرگذارندو در حقيقت، مدلي که براي پيش بيني ارائه مي شود، بايد چه متغيرهاي مستقلي را دربرگيرد تا بتواند متغير وابسته سود نقدي سهام را پيش بيني نمايد.
در عمل، هنگامی كه تعداد متغيرهاي ورودي يك سيستم و ارتباطات بين متغيرهاي ورودي، به شکل تصاعدي افزايش يابد، نتايج پيش بيني از خروجيهاي واقعي، انحراف بيشتري را نشان خواهند داد. ابزارها و روشهای متعددي براي تجزيه و تحليل اين ارتباطات و در نهايت، پيش بيني نتايج موجود وجود دارند كه در اين بين مي توان به يكي از قوي ترين آنها يعني شبكه هاي عصبي مصنوعي اشاره كرد. استفاده از شبکه هاي عصبي مصنوعي براي پيش بينيهاي مالي و پيش بيني سود سهام نيز سابقه دارد، اما همواره در انتخاب متغيرهايي که به عنوان ورودي به مدل وارد مي شوند، مشکلاتي وجود دارند که در ادامه به آنها اشاره مي شود.

مرور

هیچ دیدگاهی برای این محصول نوشته نشده است.