فهرست مقالات زمان سنجی بازار

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - ارائه الگوی ارزیابی مهارت زمان سنجی متخصصان بازار سرمایه به روش ترکیبی تصمیم‌گیری چندشاخصه و طراحی سناریو
  بهروز نظری فریدون رهنمای رودپشتی مهدی معدن چی زاج حمیدرضا کردلویی
  10.30495/jfksa.2023.21894
  در این پژوهش ما به ارائه الگو برای مسأله ارزیابی عملکرد متخصصان بازار سرمایه (مطالعه موردی مدیران صندوق‌های مشترک سرمایه‌گذاری) مبنی بر چگونگی کاربرد استراتژی زمان سنجی بازار در پیش بینی حرکات آتی بازار، با استفاده از پیاده‌سازی روش ترکیبی تصمیم‌گیری چندشاخصه و تحلیل سن چکیده کامل

  در این پژوهش ما به ارائه الگو برای مسأله ارزیابی عملکرد متخصصان بازار سرمایه (مطالعه موردی مدیران صندوق‌های مشترک سرمایه‌گذاری) مبنی بر چگونگی کاربرد استراتژی زمان سنجی بازار در پیش بینی حرکات آتی بازار، با استفاده از پیاده‌سازی روش ترکیبی تصمیم‌گیری چندشاخصه و تحلیل سناریو "سیستم خبره پیشنهاد شده توسط حسینی نسب" به روش فرآیند تحلیل شبکه ای (ANP) پرداخته ایم[3]. در روش مذکور برای مدل‌سازی و تجزیه و تحلیل داده‌ها، ماتریس وابستگی‌های درونی و بیرونی راهبردها و معیارها محاسبه شد و با استفاده از مدل شبکه طراحی شده، راهبردها تعیین وزن و مهم‌ترین راهبردها ارزیابی شدند. در این روش به منظور پیاده‌سازی مدل تخصیص سرمایه به سهام شرکت‌ها ، با اهداف سه گانة بازده، ریسک و نقدشوندگی، استفاده می‌شود. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - بهینه‌سازی سبد سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بر اساس روش‌های ترکیبی یادگیری ماشین جمعی دوسطحی و الگوریتم‌های فرا ابتکاری چند هدفه مبتنی بر رویکرد زمان سنجی بازار
  ساناز فریدی امیر دانشور مهدی معدن چی زاج شادی شاهوردیانی
  در این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیش‌بینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 20 چکیده کامل

  در این مقاله با استفاده از رویکرد زمان سنجی بازار وروش‌های یادگیری جمعی همگن و غیر همگن به ارائه سیگنال خرید، نگهداری و فروش و پیش‌بینی بازار بر اساس ویژگی‌های بنیادی ویژگی‌های فنی و سری زمانی بازدهی هر شرکت در 100 روز منتهی به روز جاری پرداخته شده است. بر این اساس ، 208 شرکت که به عنوان شرکت‌های فعال بین سال‌های 1390 تا 1399 بودند، انتخاب شدند. برای آموزش داده‌ها توسط ماشین یادگیری جمعی دوسطحی (HHEL) و پیش‌بینی روند بازار بر اساس استراتژی زمان سنجی بازار ، از داده‌های 5 سال 1390 تا 1394 استفاده و برای تست داده‌ها به منزله بهینه‌سازی سبد سهام بر اساس بیشینه سازی بازده سبد سهام و کمینه سازی ریسک سبد سهام سرمایه‌گذاری، از الگوریتم‌های MOPSO و NSGA II استفاده و با سبد سرمایه گذاری بدست آمده با استراتژی خرید و نگهداری مقایسه شده است. نتایج نشان داد الگوریتم MOPSO بالاترین بازده سبد سهام را با 96.437 % در مقابل الگوریتم NSGA II با بازدهی 91.157 % و روش سرمایه‌گذاری یکسان با بازدهی 13.058 % بدست آورده است. همچنین ریسک سبد سرمایه‌گذاری در الگوریتم NSGA II بسیار پایین تر از ریسک سبد سرمایه‌گذاری در الگوریتم MOPSO به ترتیب با 0.792% و 1.367% بوده است. پرونده مقاله