Comparison of various static and dynamic artificial neural networks models in predicting stock prices
Message:
Abstract:
In this disquisition، has been paid to comparing the performance of static and dynamics neural network by purpose choosing appropriate model in predicting of Tehran Stock Exchange. The data used in this study consists of daily and interval of time 1388/1/5 to 1390/8/30، that Including 616 observation for in sample and out of sample forecasting. Approximately 90% of these observations (556 data) use to estimate coefficients of the model and the rest of them (60 data) use to forecast out of sample. Models are also employed in this research; two stationary neural network models such as fuzzy neural network (ANFIS) and artificial neural network (ANN) and a dynamic regression neural network model (NNARX). The results of this survey indicate that According to Criteria to calculate the forecast error، among Mean squared error (MSE) and root mean square error (RMSE)، Fuzzy neural network model of static، dynamic regression models، neural networks، and finally static artificial neural network models have lowest prediction error، Respectively.
Language:
Persian
Published:
Financial Knowledge of Securities Analysis, Volume:7 Issue: 22, 2014
Pages:
77 - 91
magiran.com/p1281118  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • 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.