در این پژوهش برای تعیین روش پیش بینی قیمت سهام، یک شبکه عصبی LM-BP بر اساس سری های زمانی با توجه به قیمت باز، بالاترین قیمت، پایین ترین قیمت، قیمت بسته و حجم معاملات ارائه شد. در پژوهش حاضر، 315 روز قیمت سهام را برای ایجاد 10 نمونه انتخاب و مجموعه آزمون شامل قیمت سهام ا چکیده کامل
در این پژوهش برای تعیین روش پیش بینی قیمت سهام، یک شبکه عصبی LM-BP بر اساس سری های زمانی با توجه به قیمت باز، بالاترین قیمت، پایین ترین قیمت، قیمت بسته و حجم معاملات ارائه شد. در پژوهش حاضر، 315 روز قیمت سهام را برای ایجاد 10 نمونه انتخاب و مجموعه آزمون شامل قیمت سهام از روز 316 تا روز 320 را انتخاب و از شبکه عصبی LM-BP استفاده شده است. در این پژوهش، تعیین نقطه بحرانی بیش از حد، عدم تقارن و شمارش فواصل زمانی بررسی شد. منحنی MRE2-MRE1 رسم شده و دقت مربوط به بهترین پیش بینی شبکه عصبی BP بر اساس چند تکرار مستقل برآورد شد. پس آزمون نیز به روش آزمون کوپیک و آزمون کریستوفرسون انجام شد. نتایج نشان داد که پیش بینی قیمت سهام بر اساس شبکه عصبی LM-BP و برآورد نقطه بیش از حد توسط شمارش فواصل زمانی، نتایج بهتری نسبت به روش های موجود ارائه می دهد.
پرونده مقاله
مجموعه های چند منظوره فازی نیاز به داده های دقیق را جهت تصمیم گیری کاهش می دهند. تحلیل پوششی داده ها چارچوبی تئوریک برای تحلیل عملکرد و اندازه گیری کارایی است. مجموعه فازی باعث افزایش کاربرد تحلیل پوششی داده ها می گردد. سنجش کارایی شرکت ها با کمک تحلیل پوششی داد چکیده کامل
مجموعه های چند منظوره فازی نیاز به داده های دقیق را جهت تصمیم گیری کاهش می دهند. تحلیل پوششی داده ها چارچوبی تئوریک برای تحلیل عملکرد و اندازه گیری کارایی است. مجموعه فازی باعث افزایش کاربرد تحلیل پوششی داده ها می گردد. سنجش کارایی شرکت ها با کمک تحلیل پوششی داده ها می تواند به عنوان راه کاری به سرمایه گذاران در انتخاب شرکت جهت سرمایه گذاری کمک نماید. در این پژوهش مشکل انتخاب پرتفوی فازی در یک چارچوب چند منظوره مورد بررسی قرار می گیرد. مدلی جامع برای انتخاب پرتفوی چند منظوره در محیط فازی با استفاده از مدل نیمه واریانس میانگین و مدل آنالیز توسعه اطلاعات با بازده مقطعی ارایه شده است. داده ها از 40 شرکت پذیرفته شده در بورس اوراق بهادار تهران و بازده فازی ذوزنقه ای از 40 ورقه بهادار و داده های مورد نیاز برای ورودی ها و خروجی تحلیل پوششی داده ها از صورت های مالی شرکت ها از ابتدای سال 1396 تا انتهای سال1396بدست آمد. 16پارامتر مالی مورد استفاده قرار گرفت. نسبت شارپ، مدل بازده مقطعی در چارچوب نسبت شارپ و الگوریتم کرم شب تاب چند منظوره برای حل مدل بهینه سازی سهام چند منظوره توسعه داده و استفاده گردید. تجزیه و تحلیل با نرم افزار متلب انجام شد. نتایج نشان داد که روش ارائه شده در این پژوهش برای انتخاب پرتفوی چند منظوره فازی نسبت به سایر روش ها مناسب تر بوده و برای تحلیل عملکرد، کارایی و به انتخاب شرکت جهت سرمایه گذاری نتایج بهتری را ارائه می دهد.
پرونده مقاله