پيش بينی الگوی بازار سهام با استفاده از شبکه های عصبی مصنوعی چندلايه پرسپترون : ارشد مهندسی فناوری اطلاعات گرايش مديريت سيستم های اطلاعاتی

یکی از رشته های زیر مجموعه فنی مهندسی که علاقمندان بسیاری در کشور ما  دارد رشته کامپیوتر و فناوری اطلاعات هستش که اتفاقا سایت دیجی لود در حال تکمیل سری جدیدی از پایان نامه های ارشد این رشته تحصیلی برای کاربران گرانقدر خود میباشد. دیجی لود در ادامه پایان نامه ” پيش بينی الگوی بازار سهام با استفاده از شبکه های عصبی مصنوعی چندلايه پرسپترون ”   با فرمت Word (قابل ویرایش) در 87 صفحه را معرفی مینماید.

چکیده پایان نامه پيش بينی الگوی بازار سهام با استفاده از شبکه های عصبی مصنوعی چندلايه پرسپترون

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 مي­توان به افزايش درآمد اشاره کرد.  يکي از آسان­ترين 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 جذاب­ترين 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 پيش­بيني الگوی 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 پيش­بيني مناسب­تر هستند.  با هدف بهبود پيش­بيني، 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 پيش­بيني خواهد شد.

فهرست  مطالب

چکيده. ده

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

4-11نتيجه­گیری.. 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 نتيجه­گیری. 67

فصل ششم: 68

6-1 نتيجه گيري… 68

6-2 پيشنهادات.. 69

مراجع. 70

فهرست جدول‌ها 

جدول2-1تحليل سريهاي زماني.. 14

جدول2-2بررسي تکنيکهاي پيش بيني.. 14

جدول4-1 انواع داده هاي بنيادي و تکنيکي.. 37

جدول4-2 پنجره انتخابي.. 39

جدول4-3 انواع لايه بندي و تعداد نورون.. 42

جدول4-4 مقايسه وضعيت داده ها پس از آموزش، ارزيابي و آزمون.. 49

جدول4-5 نمونه اي از داده هاي آموزش شبکه هاي عصبي.. 51

جدول4-6 انواع لايه بندي و تعداد نورون براي داده ها به کمک الگوي سر و سرشانه. 53

جدول4-7 نمونه اي از داده هاي آموزش شبکه عصبي.. 53.

جدول5-1 مقايسه داده هاي واقعي و تخمين زده شده بر مبناي الگوي سر و سرشانه. 61

جدول5-2 مقايسه داده هاي واقعي و تخمين زده شده بر مبناي الگوي سر و سرشانه. .

فهرست اشکال

شکل2-1چگونگي استخراج دانش…. Error! Bookmark not defined.

شکل2-2نمايش عملکرد KBminer. Error! Bookmark not defined.

شکل3-1 نمايش تحليل سريهاي زماني.. 31

شکل3-2انواع تکنيکهاي پيش بيني.. 32

شکل3-3طرح کلي پرسپترون با لايه هاي ورودي، مياني و خروجي.. Error! Bookmark not defined.

شکل4-1مراحل انجام کار براي پيش بيني به کمک شبکه عصبي Error! Bookmark not defined.

شکل4-2 نمونه اي از مشخصات انتخابي براي آموزش، ارزيابي و آزمون… Error! Bookmark not defined.

شکل4-3 عملکرد تابع TANSIG.. Error! Bookmark not defined.

شکل4-4 وضعيت شبکه عصبي انتخابي براي آموزش، ارزيابي و آزمون Error! Bookmark not defined.

شکل4-5 نمونه اي از وضعيت کلي داده هاي بنيادي… Error! Bookmark not defined.

شکل4-6 عملکرد داده هاي بنيادي… Error! Bookmark not defined.

شکل4-7 عملکرد داده هاي تکنيکي. Error! Bookmark not defined.

شکل4-8 عملکرد داده هاي ترکيبي.. Error! Bookmark not defined.

شکل4-9 رگرسيون داده هاي بنيادي… Error! Bookmark not defined.

شکل4-10 رگرسيون داده هاي تکنيکي.. Error! Bookmark not defined.

شکل4-11 رگرسيون داده هاي ترکيبي.. Error! Bookmark not defined.

شکل4-12 الگوي سر و سرشانه. Error! Bookmark not defined.

شکل4-13 الگوي سر و سرشانه نزولي.. Error! Bookmark not defined.

شکل4-14 الگوي سر و سرشانه نزولي.. Error! Bookmark not defined.

شکل4-15 الگوي مقداردهي به داده ها Error! Bookmark not defined.

شکل4-16 ميانگين مربعات خطاي داده ها با استفاده از الگوي سر و سرشانه. Error! Bookmark not defined.

شکل4-17 ميانگين مربعات خطاي داده ها بدون استفاده از الگوي سر و سرشانه. Error! Bookmark not defined.

شکل4-18 رگرسيون داده ها با استفاده از الگوي سر و سرشانه. Error! Bookmark not defined.

شکل4-19 رگرسيون داده ها بدون استفاده از الگوي سر و سرشانه. Error! Bookmark not defined.

شکل5-1 ميانگين مربعات خطاي دا ده هاي پنجره سه تاشش…. Error! Bookmark not defined.

راهنمای خرید و دانلود فایل

برای پرداخت، میتوانید از کلیه کارتهای عضو شتاب  استفاده نمائید.

بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.

در صورت بروز  هر مشکلی،میتوانید از طریق تماس با ما  پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا شکایت شما مورد بررسی قرار گیرد.

برای دانلود فایل روی دکمه خرید و دانلود  کلیک نمایید.