پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,766 |
| تعداد مشاهده مقاله | 115,217,289 |
| تعداد دریافت فایل اصل مقاله | 89,963,864 |
پیش‌بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان برپایۀ الگوریتم ژنتیک در بورس اوراق بهادار تهران | ||
| تحقیقات مالی | ||
| مقاله 8، دوره 15، شماره 2، آبان 1392، صفحه 269-288 اصل مقاله (462.09 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfr.2013.51081 | ||
| نویسندگان | ||
| سعید فلاح پور1؛ غلامحسین گل ارضی2؛ ناصر فتوره چیان* 3 | ||
| 1استادیار، مدیریت مالی، دانشگاه تهران، ایران | ||
| 2استادیار، مدیریت مالی، دانشگاه سمنان، سمنان، ایران | ||
| 3کارشناس ارشد، MBA گرایش مدیریت مالی، دانشگاه سمنان، سمنان، ایران | ||
| چکیده | ||
| با توجه به گسترش روز‌افزون روش‌های پیش‌بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم‌ترین عوامل مؤثر در تصمیمات سرمایه‌گذاری است و پیش‌بینی آن می‌تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام شرکت مورد نظر را با دقت بالایی پیش‌بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش‌بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان بر پایۀ الگوریتم ژنتیک ارائه شده است. برای نمونة آماری، سی شرکت از پنجاه شرکت برتر بورس اوراق بهادار در سه ماهۀ دوم سال 90 انتخاب شده است. سپس برای هر سی شرکت، 44 متغیر محاسبه شد. این متغیرها ورودی مدل ترکیبی هستند و بهکمک الگوریتم ژنتیک بهینه‌سازی شده‌اند. نتایج نشان می‌دهد، مدل ترکیبی ماشین بردار پشتیبان بر پایۀ الگوریتم ژنتیک در پیش‌بینی روند حرکتی قیمت سهام بسیار بهتر عمل می‌کند و درمقایسه با روش ماشین بردار پشتیبان ساده، از دقت بیشتری برخوردار است. | ||
| کلیدواژه‌ها | ||
| الگوریتم ژنتیک؛ پیش‌بینی؛ تحلیل تکنیکی؛ قیمت سهام؛ ماشین بردار پشتیبان | ||
| عنوان مقاله [English] | ||
| Predicting Stock Price Movement Using Support Vector Machine Based on Genetic Algorithm in Tehran Stock Exchange Market | ||
| نویسندگان [English] | ||
| Saeeid Fallahpour1؛ Gholamhossein Golarzi2؛ Naser Fatourechian3 | ||
| 1Assistant Prof. Finance Management, University of Tehran, Iran | ||
| 2Assistant Prof. Finance Management, University of Semnan, Semnan, Iran | ||
| 3MSc. MBA-Finance, University of Semnan, Semnan, Iran | ||
| چکیده [English] | ||
| According to recent developments of predicting methods in financial markets, and since the stock price is one of the most important factors for investment decision-making, and its prediction can play an important role in this field, the aim of this study is to provide a model to predict the stock price movement with high accuracy. Accordingly, a hybrid model for predicting the stock price movement using Support Vector Machine (SVM) based on genetic algorithms is presented. Thirty companies from the top 50 companies in Tehran Stock Exchange in 2011 are selected as sample. Then, for each company, 44 variables have been calculated. These variables are the inputs of the hybrid model and are optimized using genetic algorithm. The results show that the hybrid model of Support Vector Machine based on genetic algorithms has better performance in predicting the stock price movement and it has a higher accuracy compared with the simple Support Vector Machine. | ||
| کلیدواژه‌ها [English] | ||
| Genetic Algorithm, Predicting, Support vector Machine, Stock Price, Technical Analysis | ||
|
آمار تعداد مشاهده مقاله: 5,186 تعداد دریافت فایل اصل مقاله: 6,189 |
||