با توجه به نقش روزافزون شبکه های اجتماعی در بازار سرمایه، بررسی توانایی و اثربخشی آن در جهت و قیمت سهام می تواند برای سرمایه گذاران مفید باشد. جایگاه اصلی این تحقیق در بررسی حرکت توده وار بر اساس پیشنهادهای خرید و فروش در شبکه اجتماعی با استفاده از شبکه عصبی می باشد. این تحقیق دردوره زمانی ابتدای تیرماه 1392 تاانتهای خردادماه 1393 (یکسال) می باشد و با توجه به شرایط بازار سرمایه دو دوره رکود و رونق بررسی شده است. به منظور دسترسی به داده های کافی و همچنین تواتر معاملات ، نمونه انتخابی ده شرکت از 50 شرکت فعال بورس و همچنین ده نمادی که بیشترین تعداد پست و نظر را در شبکه اجتماعی داشته اند انتخاب گردیده اند. این تحقیق دردوبخش پیش بینی جهت و قیمت سهام با داده های قیمت در مقایسه با ترکیب داده های قیمت و پیشنهادهای خرید و فروش شبکه های اجتماعی است. برای پیش بینی از شبکه عصبی مصنوعی پیش خور و بهینه سازی شبکه با 3 تا 10 وقفه و یک لایه پنهان تا 20 نرون استفاده شده است. نتایج نشان داده است که در پیش بینی قیمت سهام در دو روش تفاوت معنی داری وجود ندارد اما در پیش بینی جهت قیمت سهام با استفاده از قیمت سهام و پیشنهادهای خرید و فروش (ترکیب داده های قیمت و شبکه اجتماعی) نسبت به پیش بینی فقط با قیمت سهام در دوره رونق برای شرکت های پربیننده و در دوره رکود برای 10سهم فعال تفاوت معنی داری وجوددارد. تفاصيل المقالة

ریسک و بازده دو عاملی هستند که همواره در حوزه سرمایه گذاری مطرح بوده اند. همزمان با به وجود آمدن مدل هایی جهت بهینه سازی سبد سهام که مهم ترین آن مدل مارکویتز بوده، لزوم شناخت روشهای حل این مدل ها نیز از اهمیت بسزایی برخوردار شده اند. یکی از مهم ترین روش های فراابتکاری برای حل مدل های بهینه سازی سبد سهام الگوریتم ژنتیک می باشد، که یکی از اهداف این تحقیق بررسی میزان کارایی آن در بهینه سازی سبد سهام بوده است. بدین منظور در این تحقیق یکبار با استفاده از الگوریتم ژنتیک مرز کارای بهینه را به دست آورده و این مرز کارا را با مرز کارای حاصل از روش حل دقیق مقایسه می کنیم. به منظور دستیابی به این هدف 25 شرکت از شرکت های فعال در بورس اوراق بهادار تهران انتخاب شدند. محاسبات مربوط به تحقیق توسط نرم افزار 7.6Matlabانجام شده است. نتایج تحقیق مبین این مطلب است که مرزکارای بهینه به دست آمده با استفاده از روش الگوریم ژنتیک با مرزکارای حاصل از روش حل دقیق برابر بوده که نشان دهنده کارایی بالای الگوریتم ژنتیک در بهینه سازی سبد می باشد. همچنین در این تحقیق نتایج بیانگر این مطلب است که با مقایسه سبد های بهینه حاصل از حل، با تابع ریسک های سیستماتیک و غیر سیستماتیک، تنوع سهام در سبدهایی با تابع ریسک غیر سیستماتیک بسیار بیشتر از سبدهایی با تابع ریسک سیستماتیک بوده است. تفاصيل المقالة