به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

fuzzy logic

در نشریات گروه مالی
تکرار جستجوی کلیدواژه fuzzy logic در نشریات گروه علوم انسانی
  • زهرا ذوالفقاریان، فاطمه صمدی*، معصومه جعفری

    مهمترین عامل در سرمایه گذاری انتخاب دارایی است که بیشترین بازده مورد انتظار را برای ما به ارمغان آورد. هر سرمایه گذاری با پیش بینی ریسک سرمایه گذاری و تخمین بازده مورد انتظار سبد خود را تشکیل می دهد. روش های مختلفی برای تخمین بازده مورد انتظار سرمایه گذاری در دهه های اخیر استفاده شده که مهم ترین آن مدل میانگین-واریانس مارکوویتز است. لیکن این مدل با ایراداتی مواجه بوده لذا محققان مالی طی دهه های بعد تلاش کردند تا با افزودن گشتاورهای بالاتر همچون چولگی و کشیدگی و آنتروپی یافته های قابل اتکاتری برای بهینه سازی پرتفوی به دست آورند. جامعه آماری این پژوهش بر مبنای داده های معاملاتی (قیمت تعدیل شده) 35 نماد برتر بازار سرمایه ایران طی بازه زمانی ده سال اخیر سال های 1391 تا 1491 از نرم افزار bourseview ,tsetmc گردآوری و متغیرها شامل واریانس،میانگین،چولگی، کشیدگی و آنتروپی پس از پردازش داده ها بااستفاده از نرم افزار Matlab نسخه 6.7 پیاده سازی شدند و بهینه سازی پرتفوی بر اساس مدل های mv, mvs,mvsk و در نهایت مدل MVSKE انجام شد که یافته های بدست آمده از این پژوهش حکایت از آن دارد که آنتروپی اطلاعاتی متغیری قابل اتکا در بهینه سازی پرتفو است.

    کلید واژگان: بهینه سازی پرتفو، آنتروپی اطلاعاتی، منطق فازی
    Zahra Zolfagharian, Fatemeh Samadi *, Masomeh Jafari

    The most important factor in investing is choosing the asset that will bring us the highest expected return. Each investment forms its portfolio by predicting the investment risk and estimating the expected return. Various methods have been used to estimate the expected return on investment in recent decades, the most important of which is the Markowitz mean-variance model. But this model has been faced with flaws, so financial researchers have tried in the following decades to obtain more reliable findings for portfolio optimization by adding higher moments such as skewness and kurtosis and entropy. The statistical population of this research is based on trading data (adjusted price) of the top 35 symbols of the the Iranian capital market during the last ten years from 2013 to 2023 from the software bourseview, tsetmc, and the variables including variance, mean, skewness, kurtosis and entropy after processing. Data were implemented using Matlab version 6.7 software and portfolio optimization was done based on mv, mvs, mvsk models and finally MVSKE model. The findings of this research indicate that informational entropy is a reliable variable in portfolio optimization.

    Keywords: Portfolio Optimization, Informational Entropy, Fuzzy Logic
  • غلامرضا بیاتی، محمدابراهیم محمدپورزرندی*، حمیدرضا کردلوئی، عارفه فدوی

    بهینه سازی سبد ارزی بانکها با هدف تعیین ترکیبی بهینه از دارایی های ارزی به گونه ای است که کمترین ریسک و بیشترین بازده را به همراه داشته باشد. رویکرد مورد استفاده در این مقاله که در واقع اولویت آن نسبت به سایر روش ها می باشد، استفاده ترکیبی از مدلهای ریاضیات نادقیق (فازی) و بهینه سازی می باشد. به این ترتیب که از برنامه ریزی خطی با ضرایب هدف فازی استفاده شده و ضرایب هدف همان نرخ ارز می باشد. به بیان دیگر نرخ روزانه تمامی ارزها به دلیل نوسان، به صورت اعداد فازی در نظر گرفته شده است. از اینرو در این پژوهش با تدوین یک مدل ریاضی چند هدفه و با به کارگیری داده های فازی مربوط به نرخ خرید و فروش 6 ارز در سال 1398 اعم از دلار آمریکا، درهم امارات، ین ژاپن، لیر ترک، ون کره و یورو ، ریسکهای مرتبط با نوسانات ارزی یادشده و همچنین بازده آنها ، به صورت موردی، در پرتفوی ارزی بانک ملت برای افق زمانی آینده اندازه گیری و برآورد شده است. مدل به دست آمده قابل بهره برداری برای کلیه بانکها بوده با تعیین مقدار بهینه وزن هر ارز ضمن توصیف و تحلیل وضع موجود، به تبیین وضع مطلوب می پردازد و به بانکها این امکان را بدهد تا با سرمایه گذاری مناسب و بهینه در دارایی های ارزی خود ضمن کسب مزیت رقابتی، به ایفای تعهدات ارزی خود نیز در سررسید به موقع عمل نمایند. به منظور حل مدل از نرم افزار Gams استفاده شده است.

    کلید واژگان: سبد ارزی، ریسک، بازده، منطق فازی، بهینه سازی
    Gholamreza Bayati, MohammadEbrahim Mohammad Pourzarandi *, HAMIDREZA KORDLOUIE, Arefeh Fadavi

    Optimization of banks' foreign exchange portfolios aiming to determine an optimized combination of foreign exchange assets is in such a manner that it leads to a minimum risk and maximum yield. The approach used in this article, which is actually a priority over other methods is to use a combination of inexact mathematical models (fuzzy) and optimization. Thus, in this research, linear programming with fuzzy target coefficients has been used. The target coefficients are the same as the exchange rate. In other words, the daily rates of all currencies due to fluctuations are considered as fuzzy numbers. Therefore, in this investigation, by developing a multi-purpose mathematical model and by applying the fuzzy data relating to transaction rate of six foreign exchanges in year ended on March 20, 2020, including US dollar, Emirates Dirham, Japanese Yen, Turkish Lira, Korean Won and Euro, case by case risks related to the fluctuations of noted foreign exchanges and also their yield in the foreign exchange portfolio of Bank Mellat were measured and estimated for the future time horizon. All banks may benefit from the developed model. By determination of the optimal weight of each foreign exchange, upon describing and analyzing the existing status it specifies the optimal status, enabling banks to fulfill their foreign exchange obligations on due dates by properly and optimally making investment in foreign exchange assets meanwhile gaining a competitive advantage. "Gams Software" was used for solving the model.

    Keywords: Foreign Exchange Portfolio, Risk, Yield, Fuzzy Logic, Optimization
  • حسین سهرابی وفا*، اسفندیار جهانگرد، جاوید بهرامی
    بررسی رابطه میان توسعه فناوری اطلاعات و ارتباطات (فاوا)، توسعه مالی و رشد اقتصاد همواره مورد توجه محققان و سیاست گذاران بوده است و به دلیل اختلاف دیدگاه در تاثیر آنها و تنوع نحوه الگو و مدلسازی مطالعات در این حوزه، پژوهش ها به نتایج واحدی منتج نشده و از سوی دیگر با توسعه فناوری و معرفی منطق فازی، روش های مدلسازی توسعه یافته و امکان تجمیع نظر خبرگان در یک سیستم استنتاج هوشمند مبتنی بر خرد جمعی جهت ایجاد شاخص های توسعه فاوا و توسعه مالی اکنون وجود دارد. بر این اساس در این مطالعه پس از تجمیع نظر خبرگان در یک پایگاه دانش که از 414 پرسشنامه در خصوص روابط زیرشاخص های سازنده توسعه مالی و توسعه فاوا ساخته شد، شاخص های فازی توسعه مالی و توسعه فاوا به کمک سیستم استنتاج تطبیقی ممدانی(MFIS) برآورد و سپس به بررسی وجود روابط علیت کوتاه مدت و بلند مدت بین توسعه فاوا، توسعه مالی و رشد اقتصادی در قالب الگوی تصحیح خطای پانل با در نظر گرفتن اثرات همبستگی مشترک پویا(DCCE) با استفاده از داده های استانی سالانه طی دوره زمانی 1380 تا 1398پرداخته شد. پس از تجمیع نظر خبرگان و ایجاد شاخص های فازی، تنها در حالت کوتاه مدت رابطه علیت یک طرفه مثبت، از توسعه فاوا به رشد اقتصادی تایید شد.
    کلید واژگان: توسعه فاوا، توسعه مالی، رشد اقتصادی، منطق فازی، تصحیح خطای پانل
    Hossein Sohrabivafa *, Esfandiar Jahangard, Javid Bahrami
    The study of the relationship between the development of information and communication technology(ICT), financial development and economic growth has always been the focus of researchers and policy makers and due to differences in views on the relationship between those and the diversity of modeling of studies in this field, researchs has not resulted in a single result. On the other hand, with the development of technology and the introduction of fuzzy logic, developed modeling methods and the possibility of consolidating expert opinions in an intelligent inference system based on collective wisdom to create indicators of ICT development and financial development now exists. Accordingly, in this study, after consolidating the opinions of experts in a knowledge base consisting of 414 questionnaires on the relationship between the constructive sub-indicators of financial development and ICT development, fuzzy indicators of financial development and ICT development using the Mamdani Fuzzy Inference System(MFIS) then assess the short-term and long-term causal relationships between ICT development, financial development and economic growth in the form of a panel error correction model considering the Dynamic Common Correlated Effects(DCCE) using annual provincial data during The period from 2001 to 2017 was covered. After consolidating the opinions of experts and creating fuzzy indicators, only in the short run, the positive causal relationship from ICT development to economic growth was confirmed.
    Keywords: ICT development, Financial Development, Economic Growth, Fuzzy logic, panel error correction
  • نجمه توکلی زانیانی، مسعود طاهری نیا*، داریوش جلالی، ابراهیم گیوکی
    مالی درمانی مبتنی بر پذیرش و تعهد با آموزش مهارت های مالی همراه با تغییر در باورهای پولی و رفتارهای مالی به فرد کمک می کند تا نگاه کلی به مجموعه تصمیم های مالی خود داشته باشد و تاثیر خطاهای ذهنی بر تصمیمات مالی خود را کاهش دهد.این پژوهش از نوع کاربردی و نیمه تجربی، جامعه آماری پژوهش 20 نفر از بازاریان شهرکرد در سال 1399 بودند که طی 10 جلسه 120 دقیقه تحت آموزش و مداخلات مربوط به مالی درمانی مبتنی بر پذیرش و تعهد قرار گرفتند و پرسشنامه های پژوهش را قبل و بعد آموزش تکمیل نمودند. به منظور تجزیه وتحلیل داده ها به روش سنتی از نرم افزارهای آماری spss25 و از نرم افزار matlab جهت تحلیل های فازی داده ها استفاده شد. نتایج پژوهش نشان می دهد مالی درمانی مبتنی بر رویکرد پذیرش و تعهد برافزایش سواد مالی، بهبود مدیریت پول و مدیرت مالی شخصی هم ازنظر کمی و هم کیفی موثر است. از نتایج دیگر این پژوهش دقت بیشتر اندازه گیری مدل فازی برای ارزیابی اثربخشی مالی درمانی مبتنی بر پذیرش و تعهد نسبت به روش ارزیابی سنتی است.
    کلید واژگان: مالی درمانی، سواد مالی مدیریت مالی شخصی، مدیریت پول، منطق فازی
    Najmeh Tavakoli Zaniyani, Masoud Taherinia *, Daruosh Jalali, Ebrahim Givaki
    The commitment and acceptance financial therapy helps individual to by teaching them financial skills along with changes in monetary beliefs and financial behaviors. to have an overview of his/her own set of decisions and reduce the effect of mental errors on financial decisions.This is a practical and quasi-experimental study. The statistical population of the study was 20 bazaars in Shahrekord in 2020 who underwent training and interventions related to financial therapy based on acceptance and commitment in 10 sessions of 120minutes and completed the research questionnaires before and after training. In order to analyze the data in the traditional way, SPSS25 statistical software and Matlab software were used for fuzzy data analysis. The results show that financial therapy based on the approach of acceptance and commitment to increase financial literacy, improve money management And personal financial management are effective in both quantitatively and qualitatively.Another result of this study is more accurate measurement of fuzzy model for evaluating the effectiveness of financial therapy based on acceptance and commitment than the traditional evaluation method.
    Keywords: : Financial Therapy, financial literacy, Personal financial management, Money Management, fuzzy logic
  • سید مجتبی میرلوحی*، رضا تهرانی، عزت الله عباسیان، علی جابری زاده

    بازده دارایی ها با عدم اطمینان همراه است و همواره در طی زمان نوسانات غیرمنتظره ای به لحاظ شرایط اقتصادی، اجتماعی و سیاسی و... در بازدهی دارایی ها از جمله سهام روی می دهد. منطق فازی می تواند یکی از گزینه های مناسب برای مدل کردن بازده دارایی ها باشد. همین منظور یک سیستم خبره فازی مبتنی بر قاعده برای حمایت از مدیران سرمایه گذاری در تصمیمات سرمایه گذاری میان مدتشان ساخته شده است. با توجه به غیرخطی بودن مسئله انتخاب پرتفوی و همچنین، NP-Hard بودن آن، در پژوهش حاضر، انتخاب و بهینه سازی سبد سهام بر اساس منطق فازی با استفاده از دو الگوریتم فراابتکاری شامل الگوریتم ژنتیک فازی و جست جوی شکار فازی مورد بررسی قرار گرفته است. کارایی سیستم فازی پیشنهادی توسط اطلاعات 157 شرکت که در بورس اوراق بهادار تهران در سال های 1387 تا 1397 فعالیت داشته اند، ارزیابی شده است. کارایی این سیستم بر حسب ریسک پذیری و مدت سرمایه گذاری، در مقایسه با متوسط بازده بازار بوده است. به علاوه کارایی سیستم فازی پیشنهادی برای سرمایه گذار ریسک گریز در کوتاه مدت نتایج بسیار خوبی به همراه دارد.

    کلید واژگان: مدل مارکویتز، منطق فازی، الگوریتم ژنتیک، الگوریتم جست و جوی شکار
    Seyyed Mojtaba Mirlohi *, Reza Tehrani, Ezatolah Abbasian, Ali Jaberizadeh

    Asset return is associated with uncertainty and always occurs during unexpected fluctuations in economic, social and political conditions, and so forth. In return on assets such as stocks. Fuzzy logic can be one of the best options for modelling asset returns. For this purpose, a rule based fuzzy expert system has been developed to support investment managers in their mid term investment decisions. Considering the non linearity of the portfolio selection problem and its NP Hard, the performance of the proposed fuzzy system is evaluated by the information of 157 companies that have been active in Tehran Stock Exchange between 2008 to 2018 using of Fuzzy Genetic and Fuzzy Hunting Search Algorithms. The system's performance in terms of risk taking and duration of investment was comparable to average market returns. Besides, the performance of the proposed fuzzy system for the risk averse investor in the short run yields good results.

    Keywords: Markowitz Model, Fuzzy logic, Genetic Algorithm, Hunting search algorithm
  • محمد شعبانی ورنامی، حسین دیده خانی*، علی خوزین، آرش نادریان
    هدف این پژوهش، طراحی مدل رتبه بندی اعتباری ناشران و ابزارهای تامین مالی اوراق بهادار اسلامی در بازار سرمایه ایران است. جهت انجام این هدف، سه گام اصلی انجام پذیرفت. گام اول، شناسایی معیارهای ارزیابی و یا همان ریسک های مرتبط با اوراق بهادار اسلامی بود که توسط خبرگان و مروری بر مبانی نظری انجام پذیرفت. گام دوم، مدلسازی اوراق بهادار اسلامی با استفاده از مدل شبکه عصبی- فازی تطبیق پذیر بود که میانگین خطای آموزش تمامی مدل های اصلی و زیرمجموعه کمتر از حد آستانه بود. گام سوم، بکارگیری مدل سازی سیستم عصبی فازی در رتبه بندی اعتباری اوراق بهادار اسلامی می باشد. برای انجام این کار، در مرحله اول رتبه بندی ناشر بوده است که نتایج پژوهش نشان داد که ناشر دولت دارای کمترین و شرکت های خصوصی دارای بیشترین ریسک میباشند. در مرحله دوم برای رتبه بندی ابزارهای تامین مالی، نتایج نشان داد که برای ناشر دولت اوراق اسناد خزانه دارای کمترین و اوراق سلف دارای بیشترین ریسک می-باشند. برای ناشر شرکت های دولتی، اوراق سلف دارای بیشترین و اوراق اجاره دارای کمترین ریسک می باشد. برای ناشر شرکت های مرتبط با نهادهای عمومی، اوراق مرابحه دارای بیشترین و اوراق اجاره دارای کمترین ریسک می باشد. برای ناشر شرکت های خصوصی، اوراق مشارکت دارای بیشترین و اوراق اجاره دارای کمترین ریسک میباشد.
    کلید واژگان: رتبه بندی اعتباری، اوراق بهادار اسلامی، شبکه عصبی، منطق فازی، شبکه عصبی- فازی تطبیق-پذیر
    Mohammad Shabani Varnami, Hosein Didehkhani *, Ali Khozain, Arash Naderian
    The purpose of this research is designing a credit rating model for issuers and tools for financing Islamic securities in the Iranian capital market. To do this, three major steps were taken. The first step was to identify the evaluation criteria or the risks associated with the Islamic securities, which was carried out by the experts and a review of theoretical basics. The second step, is modeling of Islamic securities using adaptive-network-based fuzzy approach in which the mean error of the training of all main and subset models was below the threshold. The third step is to apply adaptive fuzzy neural network modeling in credit rating of Islamic securities. In order to do this, the issuer’s ranking was used in the first stage and the results of the research showed that the issuer of the government had the least risk and private companies had the highest risk. In the second stage, for ranking financial instruments, the results showed that for issuer of government, treasury bonds had the lowest risk and forward bonds had the highest risk. For the issuer of state-owned companies, the forward bonds had the highest risk and lease bonds had the lowest risk.
    Keywords: Credit rating, Islamic securities, Neural network, fuzzy logic, Adaptive Neuro-Fuzzy Network
  • فریدون رهنمای رودپشتی، محمد نوروزی*، هادی امینی، فرهاد عزیزی
    تحولات عمده در محیط کسب وکار، مثل جهانی شدن و سرعت بالای تغییرات در فناوری، باعث افزایش رقابت و دشواری مدیریت در سازمان ها گردیده است. در محیط های پیچیده، سازمان ها نیازمند مدیرانی هستند که این پیچیدگی های ذاتی را در زمان تصمیم گیری های مهم لحاظ و تفکیک کنند. مدیریت ریسک موثر بخش مهمی از این فرآیند تصمیم گیری را تشکیل می دهد. هدف از پژوهش حاضر، ارزیابی مدیریت ریسک شرکت ها با استفاده از تجزیه وتحلیل رابطه خاکستری با وزن آنتروپی در شرکت های پذیرفته شده بورس اوراق بهادار تهران است. نمونه موردمطالعه شامل 20 شرکت طی سال های 1392 تا 1397 است. در این پژوهش ابتدا به دنبال یافتن وزن نسبی برای اندازه گیری مدیریت ریسک شرکت ها با استفاده از متغیرهای (مدیریت ریسک استراتژیک، مدیریت ریسک عملیاتی، مدیریت ریسک گزارشگری و مدیریت ریسک عدم رعایت قوانین و مقررات) صورت گرفته است. سپس، بر اساس نتایج حاصل از تجزیه وتحلیل آنتروپی، به دنبال مشخص کردن رتبه بندی شرکت ها از لحاظ عملکرد مدیریت ریسک با استفاده از تجزیه وتحلیل رابطه خاکستری در شرکت ها خواهیم بود. نتایج حاصل از این پژوهش حاکی از آن است که بسیاری از شرکت ها نسبت به مدیریت ریسک از عملکرد بالایی برخوردارند.
    کلید واژگان: مدیریت ریسک، تئوری خاکستری، منطق فازی، آنتروپی
    Frydoon Rahnamay Roodposhti, Mohammad Norouzi *, Hady Aminy, Farhad Azizi
    Major developments in the business environment, such as globalization and the rapid pace of change in technology, have increased competition and management difficulty in organizations. In complex environments, organizations need managers to consider these inherent complexities when making important decisions. Effective risk management is an important part of this decision-making process. The purpose of the present study is to evaluate corporate risk management by analyzing the relationship between gray matter and entropy weight in listed companies of Tehran Stock Exchange. The sample included 20 companies during the years 2013 to 2018. In this study, we first sought to find relative weight for measuring corporate risk management by using variables (strategic risk management, operational risk management, risk management reporting and risk management non-compliance). Then, based on the results of the entropy analysis, we will try to determine the rankings of the companies in terms of risk management performance using the gray relationship analysis in the companies. The results of this study indicate that many companies have high performance in risk management.
    Keywords: risk management, gray theory, fuzzy logic, Entropy
  • Hamidreza Haddadian, Morteza Baky Haskuee *, Gholamreza Zomorodian

    Successful trades in financial markets have to be conducted close to the key recurrent points. Researchers have recently developed diverse systems to help the identification of these points. Technical analysis is one of the most valid and all-purpose kinds of these systems. With its numerous rules, the technical analysis endeavors to create well-timed and correct signals so that these points are identified. However, one of the drawbacks of this system is its overdependence on human analysis and knowledge in selecting and applying these rules. Employing the three tools of genetic algorithm, fuzzy logic, and neural network, this study attempts to develop an intelligent trading system based on the recognized rules of the technical analysis. Indeed, the genetic algorithm will assist with the optimization of technical rules owing to computing complexities. The fuzzy inference will also help the recognition of the total current condition in the market. It is because a set of rules will be selected based on the market kind (trending or non-trending). Finally, the signal developed by every rule will be translated into a single result (buy, sell, or hold). The obtained results reveal that there is a statistically meaningful difference between a stock's buy and hold and the trading system proposed by this research. In other words, our proposed system displays an extremely higher profitability potential.

    Keywords: Stock Trading System, Machine Learning, Genetic Algorithm, Neural network, fuzzy logic
  • سمیرا متقی*

    تحقیق حاضر بر آن است تا، با رویکردی تحلیلی و بااستفاده از روش های تحلیل سلسله مراتبی، رویکرد فازی و اقتصاد سنجی، به بررسی عوامل موثر بر بهره وری پرداخته و ضمن تحلیل تاثیر سرمایه گذاری و بهره وری نیروی کار در بخش صنعتی بر بهره وری کل عوامل تولید در این بخش (در سطح کلان) با رویکرد پانل دیتا، شاخص های بهره وری فردی کارکنان بخش صنعتی را با تحلیل پاسخ های 130 نفر از کارکنان شرکت ملی پخش فرآورده های نفتی ایران منطقه تهران به عنوان نمونه موردی در سطح خرد (با استفاده از روش AHP و فازی)، مورد تحلیل قرار دهد. نتایج حاصل از تحقیق، نشان می دهد که: شاخص های سرمایه گذاری فیزیکی و انسانی، R&D و نرخ ارز واقعی، از عوامل موثر بر بهره وری کل عوامل تولید در صنعت محسوب می شوند؛ دراین میان، شاخص R&D نسبت به شاخص های دیگر، از تاثیرگذاری بلندمدت تری بر بهره وری کل عوامل تولید، برخوردار می باشد، بعلاوه، تاثیر گذاری مستقیم، سرمایه گذاری فیزیکی در بخش صنعت در ایران، نسبت به R&D با دو وقفه، به مفهوم تخلیه سریع تراین متغیر بر بهره وری،حتی در کوتاه مدت، می باشد. همچنین، اثرگذاری شاخص بهره وری نیروی کار فردی بر بهره وری کل عوامل تولید،

    کلید واژگان: بهره وری، سرمایه گذاری، AHP، منطق فازی
    Samira Motaghi *

    The present study aims to investigate effective factors on productivity through analytical approach and using AHP method, fuzzy approach and econometric analysis. Paper Analyses the effect of investment and industrial labor productivity on the total factor productivity in this sector (at macro level) with the panel data approach, and it examines the individual productivity indicators of the industrial labor by analyzing the responses of 130 employees of the company National Distribution of Iranian Oil Products in Tehran Region as a Case Study at Micro Level (Using AHP and Fuzzy Method). The result show that: The indicators of physical and human investment, R & D and real exchange rate are factors influencing the total productivity of the factors of production in the industry; among other things, the R & D index, as compared to other indicators, has a longer-term impact on total factor productivity In addition, direct impact of physical investment in the industrial sector in Iran, is the concept of a faster evaporation of the variable on productivity, even in the short term. Also, the effectiveness of individual labor productivity index on total factors productivity emphasize on factors affecting on the productivity of individual labor, and shows that monthly salary indices, reward system, education, promotion of job satisfaction and system Meritocracy (from the perspective of employees), respectively, has the greatest effect on the productivity of industrial labor and consequently, the total efficiency of the production factors of this sector. .

    Keywords: Productivity, investment, AHP, Fuzzy Logic
  • علی شیدائی نرمیقی، فریدون رهنمای رودپشتی*، رضا رادفر
    چندین سال است که پژوهشگران به بررسی و تحقیق درباره مسایل مربوط به بهینه سازی سبد سرمایه گذاری پرداخته اند . یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری می باشد. هدف پژوهش حاضر بررسی قابلیت راهبرد ماتریس شبکه و مدل فازی عصبی ژنتیک (ANFIS) در بهینه سازی سبد سرمایه گذاری از بین شرکت های بورس اوراق بهادار تهران است. گروه بندی سهام بوسیله ماتریس شبکه مبتنی بر متغیرهای نوین شامل سهام تهاجمی ، بی تفاوت و تدافعی که توسط رهنمای رودپشتی (1388) ارایه شده و متغیرهای سنتی شامل سهام رشدی ، رشدی -ارزشی و ارزشی و دسته بندی شرکت ها براساس ارزش بازار آنها و استفاده از قانون چارک ها و در نهایت وزن دهی آنها متناسب با بازدهی آن سهم در نظرگرفته می شود. نسبت به طراحی و ارایه یک مدل بهینه سازی سبد سرمایه گذاری سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک (ANFIS) پرداخته شده است که در آن از دو دسته مختلف متغیرهای فنی و بنیادی به عنوان ورودی های مدل استفاده می شود. خروجی های تحقیق نشان می دهد این سیستم ها از توانایی لازم برای بهینه سازی سبد سهام برخوردار می باشند. بنابراین یک مدل ترکیبی شبکه های عصبی و تیوری استدلال فازی همراه با الگوریتم ژنتیک به منظور وزن دهی عامل های موثر در بهینه سازی سبد سهام در 7 سال منتهی به سال 1398 بکار گرفته شده است.
    کلید واژگان: بهینه سازی سبد سهام، شبکه های عصبی مصنوعی، منطق فازی، الگوریتم ژنتیک، سیستم استنتاج عصبی فازی انطباقی
    ALI Sheidaeinarmigi, Fraydoon Rahnamay Roodposhti *, Reza Radfar
    Researchers have been researching portfolio optimization issues for several years. One of the main issues is to determine the optimization method, which is to form an optimal investment portfolio, ie to minimize investment risk and maximize investment profit. The aim of this study is to investigate the strategic capability of network matrix and fuzzy genetic neural model (ANFIS) in optimizing the investment portfolio among companies on the Tehran Stock Exchange. Grouping stocks by network matrix based on new variables including aggressive, indifferent and defensive stocks provided by Roodpashti (2009) and traditional variables including growth, growth-value and value stocks and classification of companies based on their market value and use. From the law of quarters and finally their weighting is considered in proportion to the return of that share. The design and presentation of a stock portfolio optimization model using adaptive fuzzy neural inference system and its combination with genetic algorithm (ANFIS) in which two different categories of technical and fundamental variables are used as model inputs. Research outputs show that these systems have the necessary ability to optimize the stock portfolio. Therefore, a combined model of neural networks and fuzzy reasoning theory with genetic algorithm has been used to weight the factors affecting stock portfolio optimization in the 7 years leading up to 1398.
    Keywords: Stock portfolio optimization, Artificial Neural Networks, Fuzzy Logic, Genetic algorithm, adaptive fuzzy neural inference system
  • محمد مشهدی زاده، محسن دستگیر*، سهیل سلحشور

    اارزیابی اقتصادی پروژه های سرمایه گذاری با توجه به عدم اطمینان حاکم بر شرایط مالی آنها نیازمند تفکر جدیدی تحت عنوان نظریه اختیار سرمایه گذاری است تا نقایص روش های سنتی بودجه بندی سرمایه ای، از جمله ایستا بودن و در نظر نگرفتن عدم اطمینان را پوشش دهد. بر اساس نظریه مذکور، در این پژوهش الگویی جهت شناسایی و رتبه بندی عدم اطمینان های محیطی و انعطاف ها یا اختیارات مدیریتی موثر بر تصمیمات سرمایه گذاری، در یک نیروگاه برق فتوولتاییک در اصفهان، ارایه گردید. برای این منظور ابتدا به روش پیمایشی عوامل عدم اطمینان این نیروگاه از دیدگاه یک نمونه 36 نفره از خبرگان، به روش تحلیل عاملی اکتشافی شناسایی و ضریب اهمیت هر یک بر منافع و مخارج نیروگاه با استفاده از فرآیند تحلیل سلسله مراتبی فازی مشخص شد. سپس نقش این اختیارات بر ارزش پروژه به روش رگرسیون خطی مورد آزمون قرار گرفت. ابزار جمع آوری اطلاعات در این پژوهش دو پرسشنامه محقق ساز بود که روایی و پایایی هر کدام با استفاده از شاخص لاوشه و ضریب آلفای کرونباخ تایید گردید. نتایج حاکی از تاثیر عوامل عدم-اطمینان بر محیط سرمایه گذاری و وجود رابطه معنی دار بین بکارگیری انعطاف ها و اختیارات سرمایه گذاری با افزایش ارزش سرمایه گذاری در این نیروگاه است. ضمن آنکه خبرگان، تاثیر بکارگیری اختیارات گسترش، صبر و واگذاری را جهت افزایش انعطاف پذیری تصمیمات سرمایه گذاری در این نیروگاه مثبت ارزیابی نمودند.

    کلید واژگان: بودجه بندی سرمایه ای، اختیار سرمایه گذاری، عدم اطمینان، منطق فازی
    Mohammad Mashhadizadeh, Mohsen Dastgir *, Soheil Salahshour

    Economic appraisal of investment projects requires a new thought referred to as real option theory given the governing uncertainty over their financial conditions which can cover deficiencies of traditional methods of capital budgeting such as stationary and not considering uncertainty factors. According to this theory, a model was proposed in the present study to identify and rank environmental uncertainties and effective managerial flexibilities or options on investment decisions in a photovoltaic plant in the south of Isfahan. To this end, uncertainty factors of this plant were identified via field study from the viewpoint of a sample consisted of 36 experts through confirmatory factor analysis. Then, impact factor of each factor on advantages and expenses of the above plant was evaluated using the fuzzy hierarchical analysis. In the next step, the effect of these options on the project value was tested by means of linear regression method. Tools of data collection were two researcher self-made questionnaires. Validity and reliability of each questionnaire were confirmed through Lawshe's content validity index and Cronbach's alpha coefficient. The results indicated the effect of uncertainty factors on investment environment of the plant and a significant relationship between the use of real option and flexibilities with increased effect of investment in this plant. Meanwhile, the experts positively evaluated the effect of expansion, wait and abandonment options to increase the flexibility of investment decisions in this plant.

    Keywords: Capital Budgeting, Real Option, Uncertainty, Fuzzy Logic
  • محمدجواد سلیمی*، میرفیض فلاح شمس، هادی خواجه زاده دزفولی

    انتخاب و تشکیل سبد سهام بهینه، یکی از مهمترین مسایل در حوزه تحقیقات مالی است که تلاش می کند ترکیب بهینه ای از دارایی ها را انتخاب نماید تا با توجه به محدودیت ها، بیشینه مطلوبیت برای سرمایه گذار ایجاد شود. با توجه به آنکه بازده اوراق بهادار در دنیای واقعی معمولا مبهم و نادقیق است، یکی از مهمترین چالش-های سرمایه گذاری، عدم اطمینان نسبت به آینده و پیامدهای آن ها می باشد. بر این اساس، در این مقاله، با استفاده از گشتاورهای مراتب بالا و تیوری فرامدرن پرتفوی، و با استفاده از منطق فازی و بهینه یابی تکاملی چندهدفه، مساله انتخاب و بهینه یابی پرتفوهای اوراق بهادار مدلسازی و حل گردیده است. مدل های طراحی شده هم طبیعت چندهدفه مساله انتخاب پرتفو را در نظر گرفته و هم ملاحظات مدنظر سهامدار را در انتخاب پرتفو دخیل نموده است. کیفیت عدم اطمینان بازده آتی پرتفوی داده شده با استفاده از اعداد LR فازی تخمین زده شده در حالیکه گشتاورهای بازدهی آن با استفاده از تیوری امکانی سنجیده شده است. مهمترین هدف این مقاله حل مساله و مقایسه مدل های انتخاب پرتفوی به صورت بهینه سازی همزمان چهار هدفه و سه هدفه است. برای این هدف، از الگوریتم ژنتیک با مرتب سازی نامغلوب (NSGA-II)استفاده شده و عملگرهای جهش و تقاطع به طور اختصاصی برای تولید راه حل های ممکن محدودیت کاردینالیتی مساله طراحی شده است. در نهایت کارایی و عملکرد مدل ها در صورت استفاده از منطق فازی و عدم استفاده از آن مقایسه شده است و مشخص گردیده است که استفاده از منطق فازی و تیوری امکانی، باعث تشکیل پرتفوهای با عملکرد بالاتر و مطلوببیت بیشتر می گردد

    کلید واژگان: تئوری فرامدرن پرتفوی، بهینه یابی پرتفوی، بهینه سازی تکاملی، منطق فازی
    MohammadJavad Salimi *, Mirfeiz Fallahshams, Hadi Khajezadeh Dezfuli

    The problem of portfolio optimization and stock selection is one of the major areas for financial investors in financial markets. In this paper, some of the challenges of simultaneously multi-objective portfolio optimization are addressed. Four different models are designed: a fuzzy multi-objective programming model has been used to consider the multi-criteria nature of stock selection and the uncertainty associated with the return on assets and a simple model for doing this. The models are designed in such a way that both the nature of the multiplicity of the problem of portfolio selection is considered and the considerations of the investor in the choice of portfolios are involved. After designing the evolutionary 3 and 4 objective models of portfolio optimization, multi-objective evolutionary algorithm NSGA-II was used to solve this models. Concretely, it optimizes return, the downside-risk, skewness and the Kurtosis of a given daily returns, taking into account budget, and investor constraints. Because of the NP-HARD nature of the above models, the NSGA-II proprietary algorithm was coded in the MATLAB, and after solving each model and extracting the Pareto frontier, the best portfolio on the Pareto front was selected based on the maximum Sortino ratio. Finally, the results of the obtained portfolios in both fuzzy and non-phase conditions were compared according to the trainer's ratio, and it was determined that the use of fuzzy logic in quadratic evolutionary algorithms, compared to a situation where fuzzy logic is not used in the design and use of these algorithms., Creates more favorable results.

    Keywords: Post Modern Portfolio Theory, Financial Modeling, Optimize Portfolio Selection, Evolutionary Multi-Objective Algorithm, Fuzzy Logic
  • حسین عموزادمهدیرجی*
    تخصیص بهینه منابع  مالی یکی ازمهمترین مسا ئل بازار سرمایه است. در یک بازار سرمایه  کارا از بعد عملیاتی ،سرمایه  در اختیار بهترین  گزینه های سرمایه گذاری  قرار میگیرد. بنابراین استفاده ازابزارهای مدیریت مناسب جهت کسب بازدهی بیشتر،گامی در راستای کاراترشدن مدیریت معاملات  بازاراست. با توجه به زمینه های  استفاده از شبکه های عصبی و منطق فازی در سرمایه گذاری سهام و پیش بینی مالی ،بکارگیری  آنها  در  انتخاب  پر تفوی  مناسب  می تواند  نتایج  مطلوبی  برای  سرمایه گذاران  در  پی  داشته  باشد.هدف اصلی   این پژوهش دستیابی به پرتفوی سرمایه گذاری بهینه دربازارسرمایه بابکارگیری شبکه عصبی مصنوعی ومنطق فازی است. همراه بامدل مارکویتز،ازمدلهای ایجادشده طریق شبکه عصبی مصنوعی ومدل فازی استفاده گردید.از شرکتهای  فعال در بورس اوراق بهادارتهران،  که از سال 1386الی 1395 دارای بازده مثبت بوده اند برای تشکیل پرتفوی سرمایه گذاری  انتخاب شدند.برای ارزیابی پرتفو های پیشنهادی در حالت های مختلف، به مقایسه بازده  پرتفو های مختلف بر اساس بازده ماهیانه وسالیانه  شرکت های عضووبهینه سازی پرتفوهای پیشنهادی با استفاده ازالگوریتم ژنتیک پرداخته شده است. این تحقیق نشان میدهدکه استفاده ازمدلهای فازی نسبت به مدلهای مذکوربازدهی بالاتری رابرای سرمایه گذاران فراهم می نماید.
    کلید واژگان: پرتفوی، مدیریت سرمایه گذاری، مدل مارکویتز، شبکه عصبی مصنوعی، منطق فازی، الگوریتم ژنتیک
    Hossein Amouzad Mahdiraji *
    One of the most important problems in capital market is allocating financial resources in an optimal fashion. In an effective capital market, from an operational point of view, the capital is allocated for the best investment option. Therefore, in order to establish more output, making use of appropriate management tools is a step toward more effective market management of transactions. Regarding backgrounds of applying Artificial Neural Networks and Fuzzy Logic in stocks investment and financial prediction, applying them in selecting an appropriate portfolio can lead to desired results for investors. The major goal of the current research is to achieve an optimal investment portfolio in capital market by applying Artificial Neural Network and Fuzzy Logic. Accompanied by Markowitz Model, models were used which were created through Artificial Neural Network. In order to establish investment portfolio, some of those companies were selected which were active in Tehran stock exchange, and which have had positive efficiency from the year 1386 to 1395. In order to evaluate the suggested portfolios in different conditions, the output of different portfolios based on the monthly and yearly output of the member companies were compared and optimization of suggested portfolios using genetic algorithm were carried out. The study shows that using the Fuzzy models versus mentioned models would provide higher output for the investors.
    Keywords: portfolio, Investment Management, Markowitz Model, Artificial Neural Network, Fuzzy Logic, Genetic Algorithm
  • Abdolmajid Abdolbaghi, Mohammad Salimi, Sayyed Mohammad Reza Davoodi *
    The present research proposes an automatic system based on moving average (MA) and fuzzy logic to recognize technical analysis patterns including head and shoulder patterns, triangle patterns and broadening patterns in the Tehran Stock Exchange. The automatic system was used on 38 indicators of Tehran Stock Exchange within the period 2014-2017 in order to evaluate the effectiveness of technical patterns. Having compared the conditional distribution of daily returns under the condition of the discovered patterns and the unconditional distribution of returns at various levels of confidence driven from fuzzy logic with the mean returns of all normalized market indicators, we observed that in the desired period, after recognizing the pattern, all patterns investigated at the confidence level 0.95 with a fuzzy point 0.5 contained useful information, practically leading to abnormal returns.
    Keywords: Technical patterns, pattern recognition, moving average, fuzzy logic
  • قاسم زارعی، رعنا محمدیان، هاتف حاضری نیری، محمد باشکوه اجیرلو
    هدف پژوهش حاضر مقایسه قدرت پیش بینی روش های شبکه عصبی فازی با شبکه عصبی موجک فازی در پیش بینی قیمت سهام بانک ها در بورس اوراق بهادار تهران است. دوره پژوهش این پژوهش از سال 1390 تا 1395 است. در این پژوهش، از سیستم منطق فازی به همراه سیستم شبکه عصبی چندلایه با ساختار بهینه سازی پس انتشار خطا و ماکزیمم همپوشانی تبدیل موجک گسسته برای متغیرهای نرخ ارز، نفت اوپک، طلا، شاخص کل سهام و همچنین حجم معاملات برای پیش بینی قیمت سهام استفاده شده است. نتایج حاصل از مدل با استفاده از تابع هزینه بروز رسانی شده انجام گرفته است. نتایج پژوهش در مقایسه شبکه عصبی فازی موجک و شبکه عصبی فازی نشان می دهد که قابلیت اطمینان پیش بینی قیمت سهام بانک ها با شبکه عصبی موجک فازی بالای 90 درصد و با شبکه عصبی فازی بالای 80 درصد است. درنتیجه شبکه عصبی موجک فازی باقابلیت اطمینان بالاتری نسبت به شبکه عصبی فازی عمل می کند.
    کلید واژگان: شبکه عصبی، منطق فازی، موجک، پیش بینی قیمت سهام
    ghasem zarei, rana mohamadiyan, hatef hazeri, mohammad bashokouh ajirlou
    The purpose of this study was to compare the predictive power of fuzzy neural network with fuzzy wavelet neural network in predicting stock prices of banks in Tehran Stock Exchange. The period of this research was from 2011 to 2016. In this research, the fuzzy logic system with the use of a multi-layer neural network system with an error-optimized back-propagation optimization structure and a Maximum Overlapping Discrete Wavelet Transform for exchange rate variables, opec oil, each ounce of gold, the total stock index as well as the volume of trades were used in order to predict stock prices.The results of the model were done by using the updated cost function. The results of the research in comparison of fuzzy wavelet network and fuzzy neural network showed that the reliability of banks with fuzzy wavelet neural network is over 90% and with fuzzy neural network above is 80%. As a result, fuzzy wavelet neural network is more reliable than fuzzy neural network
    Keywords: Neural Network, Fuzzy Logic, Wavelet, Predict Stock Prices
  • احسان ساده، رضا احتشامی راثی، علی شیدایی نرمیقی *
    تعیین زمان بهینه و قیمت مناسب خرید و فروش سهام نقش بسزایی در تصمیمات سرمایه گذاری در بازار سرمایه و سود و زیان سرمایه گذار دارند. می توان از سیستم های هوشمند غیرخطی همچون شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک برای پیش بینی تغییرات قیمت سهام استفاده نمود. در این مقاله به طراحی و ارائه یک مدل پیش بینی قیمت سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک پرداخته شده است که در آن از دو دسته مختلف متغیرهای فنی و بنیادی به عنوان ورودی های مدل استفاده می شود. خروجی های حاصل از شبکه نشان می دهد میزان خطای پیش بینی هر دو دسته از ورودی های بنیادی و فنی تا حد قابل قبولی پایین است و این سیستم ها از توانایی لازم برای پیش بینی قیمت روزانه سهام برخوردار می باشند. برای ارزیابی دقت مدل، آزمون من ویتنی انجام گردید که با توجه به ورودی های مشخص شده برای دو حالت بنیادی و فنی، مشاهده گردید که تقریبا تفاوت معناداری بین نتایج پیش بینی قیمت در این دو روش وجود ندارد. هر دو روش بنیادی و فنی به شرط آنکه حداقل یکی از ورودی های آنها وابستگی خطی با قیمت داشته باشد، قادر به پیش بینی قیمت روز آتی با ضریب خطای نسبتا قابل قبولی خواهند بود. همچنین در خصوص سهامی که میزان نوسانات قیمتی آن زیاد است، استفاده از رویکرد شبکه عصبی منجر به افزایش سطح خطای پیش بینی خواهد گردید و توصیه می شود از این روش برای پیش بینی قیمت سهام پرنوسان استفاده نشود.
    کلید واژگان: شبکه های عصبی مصنوعی، منطق فازی، الگوریتم های ژنتیکی، شاخص های فنی و بنیادی
    Ehsan Sadeh, Reza Ehtesham Rasi, Ali Sheidaei Narmigi *
    Selection of appropriate time and price in trading stocks has an important role in investment decisions on profit and loss of investors in capital markets. Nonlinear intelligent systems, such as artificial neural networks, fuzzy- neural networks and genetic algorithms, would be used to forecast stock prices motions. In this article,a model of stock prices motions has been designed using Adaptive Neuro- Fuzzy Inference System (ANFIS)integrated with genetic algorithm, in which two different groups of fundamental and technical variables have been employed as model inputs. According to Model outputs,the rate of forecasting errors in both groups of inputs is not significant and these systems are able to forecast daily stock prices. The Mann-Whitney test has been used to measure the accuracy of models and it was found that there is no significant difference between results of prices forecasted in both methods. Both methods are able to forecast next day price with an insignificant error provided that at least one of the inputs in both methods has a linear dependence with price, . Also, results show that these systems do not work properly to forecast prices of high volatility stocks.
    Keywords: artificial neural networks, Fuzzy Logic, Genetic algorithms, technical, fundamental indicators
  • میثم جعفری اسکندری، مهرداد صابونیان، محسن دری
    یکی از مهمترین روش های ارزیابی طرح های اقتصادی و مقایسه بین آنها، روش ارزش فعلی است. این روش یکی از مهمترین و در ضمن ساده ترین تکنیک های اقتصاد مهندسی است با این وجود محاسبه ارزش فعلی به روش سنتی برای مقایسه پروژه ها به تنهایی کافی نیست چرا که عامل مهمی به نام عدم قطعیت پارامترها را در نظر نمی گیرد. علاوه بر مقایسه اقتصادی، عوامل دیگری مانند محدودیت زمان در گزینش یک پروژه باید مورد توجه قرار گیرد. هدف این مقاله ارائه رویکردی برای انتخاب پروژه ها به کمک روش ارزش فعلی با رفع کمبودهای ذکر شده می باشد. جهت لحاظ کردن عدم قطعیت در مساله منطق فازی مورد استفاده قرار گرفته است. سپس به کمک فرآیند تحلیل سلسله مراتبی و برنامه ریزی صفر و یک با لحاظ کردن سایر اهداف پروژه، اقتصادی ترین پروژه انتخاب شده است. این مدل با در نظرگرفتن اهداف مختلف کمی و کیفی و عدم قطعیت پارامترها قادر است بهترین پروژه ها در شرایط دنیای واقعی را انتخاب کند.
    کلید واژگان: ارزیابی اقتصادی پروژه، عدم قطعیت، منطق فازی، فرآیند تحلیل سلسله مراتبی، برنامه ریزی صفر و یک
    Meysam Jafari Eskandari, Mehrdad Saboonian, Mohsen Dory
    One of the most important economic project evaluation methods and the comparison between them is current values. This method is one of the most important and the simplest techniques in engineering economy. The calculation of the present value of the traditional methods to compare projects is not enough because it does not consider a major uncertainty factor. In this paper, we present an approach for the selection of projects by using current value. In order to include the uncertainties in the problem, fuzzy logic is used. Then, using analytic hierarchy process and binary integer programming with respect to the other objectives of the project, the most economical project was chosen. This model considers qualitative and quantitative objective and uncertainty to select the best projects in real-world situations.
    Keywords: Economic evaluation of the project, uncertainty, fuzzy logic, analytical hierarchy process, binary integer programming
  • مقصود امیری، حمیدرضا حدادیان*، مصطفی زندیه، علی رئیس زاده
    معاملات موفق در بازارهای مالی می بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سال های اخیر سیستم های مختلفی به منظور شناسایی این نقاط بازگشتی ایجاد شده اند. تحلیل تکنیکال یکی از معتبرترین و پرکاربردترین این سیستم ها محسوب می شود. تحلیل تکنیکال بواسطه قوانین متعددی که داراست سعی در ایجاد سیگنال های صحیح به موقع به منظور شناخت این نقاط دارد. اما یکی از معایب این سیستم وابستگی شدید آن به تجربه و دانش انسانی جهت انتخاب و کاربرد این قوانین است. در این تحقیق ما سعی کرده ایم تا سیستم معاملاتی هوشمندی را بر پایه قوانین شناخته شده تحلیل تکنیکال و استفاده از سه ابزار الگوریتم ژنتیک، منطق فازی و شبکه عصبی ایجاد نماییم. در واقع الگوریتم ژنتیک به بهینه سازی قواعد تکینکی به دلیل پیچیدگی محاسباتی کمک خواهد کرد. منطق فازی نیز به تشخیص موقعیت کلی جاری در بازار کمک خواهد کرد. چرا که بنا به نوع خاص بازار (دارای روند یا خنثی) دسته ای از قوانین انتخاب خواهند شد. در انتها سیگنال های ایجاد شده بوسیله هرکدام از قواعد با کمک شبکه عصبی المان، به صورت نتیجه واحد (خرید، فروش یا نگهداری) در خواهد آمد.
    نتایج حاصله نشان می دهد به صورت آماری اختلاف معنادار و قابل توجهی میان خرید ونگهداری سهم و سیستم معاملاتی پیشنهادی در این پژوهش وجود دارد. به عبارت دیگر سیستم پیشنهادی ما پتانسیل سودآوری بسیار بالایی را از خود نشان می دهد.
    کلید واژگان: سیستم معاملاتی سهام، تحلیل تکنیکال، الگوریتم ژنتیک، شبکه عصبی، منطق فازی
    Maqsood Amiri, Hamidreza Haddadian*, Mostafa Zandie, Ali Raiszadeh
    One of the new areas in financial researches is using artificial intelligence to assist building decision making systems. Stock trading system is one of those systems developed to help investors make successful trading operations. Successful trading operation must be done near turning point of price trends. In recent years many studies focused on preparing systems to suggest price trend reversal. Technical analysis which tries to provide trading signals is mostly used in such systems and is usually one part of the system.
    Technical analysis with a lot of rules try to give trader the signals of price trend reversal but the disadvantage of technical analysis is its dependency to investors experience to decide on technical rules and parameters. In fact the performance of technical analysis is deeply dependent to quality of setting technical parameters.
    In this study we try to build a trading system based on technical rules and enhance its performance by using Genetic Algorithms, Fuzzy Logic and Artificial Neural Networks. GA helps us to train technical parameters in technical rules. Fuzzy logic helps us to discern how is the condition of market (trending market or none trending market). Because it is important to select kind of rules. When different enhanced rule provide their trading signal concerning market condition, an ELMAN network combines different signals together to provide trading suggestion.
    Results from Tehran stock exchange consist of 10 stocks demonstrate that statistically there is significant difference between performance of our proposed system and grand trading strategies such as buy and hold strategy. In other words, our system possesses profitability potentials.
    Keywords: Stock Trading System, Technical analysis, Genetic algorithm, Artficial Neural Network, Fuzzy Logic
  • علیرضا کازرونی*، پویان کیانی، زانا مظفری
    نرخ بهره یکی از مهم ترین ابزارهای کنترلی در اقتصاد است. تغییرات این متغیر موجب تغییر در هزینه تولید می شود و به تبع سطح تولید و قیمت ها را تحت تاثیر قرار می دهد. نرخ بهره در کشورهایی مانند ایران که بازارهای مالی پیشرفته وجود ندارد، معمولا بدون توجه به بازار و به صورت دستوری تعیین می شود. بنابراین با توجه به این که این متغیر در ایران غیرقابل مشاهده است در این مطالعه ابتدا متغیرهای نرخ تورم، بازدهی مسکن و حجم نقدینگی به عنوان متغیرهای تعیین کننده نرخ بهره در اقتصاد ایران انتخاب شدند. سپس با استفاده از رویکرد فازی، شاخص روند نرخ بهره برای دوره 1391- 1362 برآورد شده است. بررسی روند این شاخص حاکی از نوسانات زیاد آن در دروه مورد بررسی دارد. مقدار ماکزیمم و مینیمم این روند مربوط به سال های 1374 و 1364 است و به ترتیب برابر با 7/78 و 4/22 است.
    کلید واژگان: نرخ بهره، تورم، بازدهی مسکن، حجم نقدینگی، منطق فازی
    Alireze Kazerooni *, Pooyan Kiyani, Zana Mozaffari
    Interest rate is one of the most important monetary policy instrument in an economy. The changes in interest rate leads to changes in other key economic variables like cost of production, Consequently changes in output and price level. However, like the other developing countries, lack of the advanced financial markets and governmental determination of interest rate , the market interest rate cant be observered in Iran. For this purpose, the main objective of this study is to estimate market interest rate index by using information on proxy variables such as inflation rate, rate of return on housing and amount of liquidity in economy during 1981-2012 by using fuzzy logic method. The empirical result indicates that interest rate has shown a lot of fluctuations over time. The maximum (78/7) and minimum (22/4) interest rate index has been in years 1995 and 1985 respectively.
    Keywords: Interest rate, inflation, return on housing, amount of liquidity, Fuzzy logic
  • میرفیض فلاح شمس، صبا علوی*
    هدف این پژوهش ساخت پورتفوی های مناسب به وسیله درنظر گرفتن میزان ریسک پذیری سرمایه گذاران و ترجیحات آن ها به صورتی انعطاف پذیر، کاربردی و واقع گرایانه می باشد. به همین منظور یک سیستم خبره فازی مبتنی بر قاعده برای حمایت از مدیران سرمایه گذاری در تصمیمات سرمایه گذاری میان مدتشان ساخته شده است. عملکرد سیستم خبره پیشنهادی توسط داده های 106 سهام که در بورس اوراق بهادار تهران بین سال های 1384 تا 1392 مورد معامله قرار گرفته اند، بررسی شده است. عملکرد سیستم خبره پیشنهادی بر حسب میزان ریسک پذیری و طول دوره سرمایه گذاری، در مقایسه با متوسط بازار مورد تجزیه و تحلیل قرار گرفته است. نتایج نشان می دهد که سیستم خبره پیشنهادی در اکثر موارد عملکرد بهتری نسبت به بازار دارد. همچنین مطابق انتظارات ما عملکرد این سیستم خبره برای سرمایه گذار ریسک گریز و در میان مدت بهتر می باشد.
    کلید واژگان: ارزیابی سهام، سیستم های خبره، مدیریت پورتفوی، منطق فازی
    Mirfeizb Fallahshams, Saba Alavi*
    The aim of this study is to construct appropriate portfolios by considering investor’s risk profile and his/her preferences in a flexible, applicable and realistic manner. For this purpose, a fuzzy rule- based expert system is developed to support investment managers in their middle term decision makings. The proposed expert system is validated by using 106 stocks, traded in Tehran Stock Exchange between 1384 and 1389. Performance of the proposed expert system is analyzed in terms of risk profile and investment length compared to market average. The results revealed that performance of the expert system is better than the market average in most cases. Also, in parallel to our expectation, the proposed expert system performance is better for risk-averse investors and in middle term.
    Keywords: Stock evaluation, Expert systems, Portfolio management, fuzzy logic
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال