مقایسه مدل‌های‌ رشد لجستیکی با مدل‌های رقیب در پیش‌بینی شاخص کل بورس اوراق بهادار تهران

اعظم‌‌بالغی، نصراله؛ پوربدخشان، کاظم (1392). تخمین دمای آب خروجی مبدل حرارتی در سیستم خنک‎سازی آب واحدهای گازی نیروگاهی با استفاده از شبکه عصبی دینامیکی. کنفرانس بین‎المللی برق. تهران:پژوهشگاه نیرو.

دموری، داریوش فرید؛ اشهر، مرتضی (1390). پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با الگوهای سنتی. مجله دانش حسابداری، 2(5)، 7-30.

راعی، رضا؛ پویان‌فر، احمد (1389). مدیریت سرمایه‌گذاری پیشرفته (چاپ نهم)، تهران: نشر سمت.

طلوعی، عباس؛ حق‎دوست، شادی (1386). الگوسازی پیش‌بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روش‌های پیش‌بینی ریاضی. پژوهشنامه اقتصادی، 7(25)، 237-252.

فطرس، محمدحسن؛ منصوری گرگری، حامد (1389). مقایسه مدل لجستیک و مدل‎های هاروی در پیش‌بینی مصرف برق ایران. فصلنامه مطالعات اقتصاد انرژی، 6(24)، 63- 89.

فلاح شمس، میرفیض؛ دلنواز اصغری، بیتا (1388). پیش‌بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی. پژوهشنامه فراسوی مدیریت، 3(9)، 191-212.

فلاح‌پور، سعید؛ علی‌پور ریکنده، جواد (1393). پیش‌بینی شاخص سهام با استفاده از شبکه‌های عصبی موجکی در بورس اوراق بهادار تهران. فصلنامه علمی پژوهشی راهبرد مدیریت مالی، 2(4)، 15-31.

مشیری، سعید؛ مروت، حبیب (1384). پیش‌بینی شاخص کل بازدهی سهام تهران با استفاده از الگوی خطی و غیرخطی. پژوهشنامه بازرگانی، 11(41)، 245-275.

References

Azambaleghy, N., Pourbadakhshan, K. (2013). Estimating the Temperature of the Exhaust Water Temperature of the Heat Exchanger in the Cooling System of the Water Units of the Power Plant Using the Dynamic Neural Network. The 28^th International Power System Confrence, Tehran, Iran. (in Persian)

Bass, F. M. (1969). A new product growth for model consumer durables. Management science, 15(5), 215-227.

Bewley, R., & Fiebig, D. G. (1988). A flexible logistic growth model with applications in telecommunications..International Journal of forecasting, 4(2), 177-192.

Bodger, P. S., & Tay, H. S. (1987). Logistic and energy substitution models for electricity forecasting: a comparison using New Zealand consumption data. Technological Forecasting and Social Change, 31(1), 27-48.

Demori, D., Farid, D., & Ashar, M. (2011). Estimation of Tehran Stock Exchange Index using Bird Flight Algorithm and Comparison with Traditional Patterns. Journal of Accounting Knowledge, 5, 7-30. (in Persian)

Fallah Shams, M., & Delnavaz Asghari, B. (2009). Tehran Stock Exchange index prediction using neural networks. Beyond Managment, 3(9), 191-212. (in Persian)

Fallahpour, S., Reikandeh, A. J. (2015). Prediction of Stock Index Using Wavelet Neural Networks in Tehran Stock Exchange. Journal of Financial Management Strategy, 2(4), 15-31.
(in Persian)

Fotros, M. H., & Mansouri, G. H. (2010). A Comparison of Logistic Model and Harvey Models in Forecasting Electricity Consumption of Iran. Quarterly Energy Economics Review, 24, 65-91. (in Persian)

Giovanis, A. N., & Skiadas, C. H. (1999). A stochastic logistic innovation diffusion model studying the electricity consumption in Greece and the United States. Technological Forecasting and Social Change, 61(3), 235-246.

Harvey, A. C. (1984). Time series forecasting based on the logistic curve. Journal of the Operational Research Society, 35(7), 641-646.

Harvey, A.C. (1993). Time Series Models, 2nd ed., the MIT Press, Cambridge MA, 149–152.

Hendriksen, E. S., & Van Breda, M. F. (1992). Accounting Theory. Homewood, IL: Richard D. Irwin.

Mar-Molinero, C. (1980). Tractors in Spain: a logistic analysis. Journal of the Operational Research Society, 31(2), 141-152.

Mohamed, Z., & Bodger, P. (2005). A comparison of Logistic and Harvey models for electricity consumption in New Zealand. Technological Forecasting and Social Change, 72(8), 1030-1043.

Moshiri, S., &  Morovat, H. (2006). Prediction Total Return Index of Tehran Stock using linear and nonlinear models. Journal of Business Research, 11(41), 245-275. (in Persian)

Raei, R., & Pouyanfar, A. (2010). Advanced Investment Management. Tehran: SAMT.
(in Persian)

Senol, D., & Ozturan, M. (2008). Stock price direction prediction using artificial neural network approach: The case of Turkey. Journal of artificial Intelligence, 1(2), 70-77.

Skiadas, C. H., Papayannakis, L. L., & Mourelatos, A. G. (1993). An attempt to improve the forecasting ability of growth functions: the Greek electric system. Technological Forecasting and Social Change, 44(4), 391-404.

Toloie, E. A., & Haghdoust, S. (2007). Stock price prediction modeling based on neural network and its comparison with mathematical prediction methods. Quarterly Economic Research Review of Allameh Tabatabai University, 2, 237-252. (in Persian)

Wang, J. Z., Wang, J. J., Zhang, Z. G., & Guo, S. P. (2011). Forecasting stock indices with back propagation neural network. Expert Systems with Applications, 38(11), 14346-14355.

Wanjawa, B. W. (2016). Predicting Future Shanghai Stock Market Price using ANN in the Period 21-Sep-2016 to 11-Oct-2016. arXiv preprint arXiv:1609.05394.

White, H. (1988). Economic prediction using neural networks: The case of IBM daily stock returns. IEEE 1988 International Conference on Neural Networks, 451-458.