تحلیل آشوب، تجزیه موجک و شبکه عصبی در پیش بینی شاخص بورس تهران
نویسنده:
چکیده:
این مطالعه برای پیش بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش بینی پذیری را بررسی کرده و نیز عملکرد انواع مدل های شبکه عصبی را با کمک داده های تجزیه شده با روش موجک ارزیابی کرده است. به همین منظور، از داده های سری زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دوره زمانی 5 فروردین 1388 تا 18 اردیبهشت 1391 استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دوره بررسی شده، پیش بینی پذیر بوده و آثار غیرخطی معین و آشوبی داشته است. همچنین برطبق معکوس آماره حداکثر نمای لیاپانوف، تعداد روز های پیش بینی پذیر در این مطالعه، 31 روز به دست آمد. یافته دیگر این پژوهش نیز به برتری عملکرد مدل های شبکه عصبی چندلایه پیش خور (MFNN) و شبکه عصبی فازی (ANFIS) مبتنی بر داده های تجزیه شده به کمک تجزیه موجک در مقابل به کارگیری سطح داده ها دلالت دارد. در این بین نیز برتری با مدل شبکه عصبی چندلایه پیش خور بوده است.
کلیدواژگان:
پیش بینی ، بورس ، تحلیل آشوب ، تجزیه موجک ، مدلهای شبکه عصبی
زبان:
فارسی
در صفحه:
119
لینک کوتاه:
magiran.com/p1081327
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!