عنوان پایان‌نامه
پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیان بر پایه الگوریتم کلونی مورچگان در بورس اوراق بهادار تهران
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75598;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75598
- تاریخ دفاع
- ۲۱ دی ۱۳۹۴
- دانشجو
- فاطمه پوریا
- استاد راهنما
- شاپور محمدی
- چکیده
- پیش بینی و بررسی رفتار قیمت اوراق بهادار، مقوله ای است که دانشمندان علوم مالی و سرمایه گذاران همواره در پی آن هستند . دلیل اصلی سرمایه گذاری در بازار سهام، به دست آوردن سود است که لازمه آن، داشتن اطلاعات درست از بازار بورس و تغییرات سهام و پیش بینی روند آینده آن است؛ بنابراین، سرمایه -گذار نیازمند ابزار های قدرتمند و قابل اعتماد است تا از طریق آن به پیش بینی قیمت سهام بپردازد. از این رو در این پژوهش سعی شده است که مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام را پیش بینی نمود. برهمین اساس، یک مدل ترکیبی پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان بر پایه الگوریتم مورچگان ارائه شده است. برای نمونه آماری، 24 شرکت از 50 شرکت برتر سه ماهه دوم 93 و 6 شرکت از 50 شرکت برتر سه ماهه سوم 93 انتخاب شده است. سپس برای هر 30 شرکت، 51 متغیر نماگر تکنیکال محاسبه شد. این متغیرها ورودی مدل ترکیبی هستند و به کمک الگوریتم مورچگان بهینه سازی شده اند. نتایج نشان می دهد، مدل ماشین بردار پشتیبان برپایه الگوریتم مورچگان در پیش بینی روند حرکتی قیمت سهام عملکرد بهتری داشته و چون میانگین پیش بینی درست آن مقدار بالاتری داشت، دارای دقت بیشتری در پیش بینی درست روند حرکتی قیمت سهام بود.
- Abstract
- Predicting and surveying the behavior of stocks is the subject which financial experts and investors pursue all the time. The main reason to invest in the stock market is to gain benefit whose prerequisites are correct information about the stock market as well as stocks fluctuations and predicting the future tendencies; therefore, the investors require powerful and reliable tools, through which they can predict the price of stocks. As a result, this study tries to present a model based on which the trend of the stocks could be predicted. According to the aforementioned facts, a hybrid model to predict stocks prices trend is presented via a Support Vector Machine based on Ant Colony Algorithm. For this aim, 24 Iranian companies out of the top 50 ones in the third trimester of 2014 as well as 6 ones out of the top 50 in the fourth trimester of 2014 were chosen for statistical samples. Afterwards, 51 technical indicator variables were calculated for all the 30 companies. The supporting variables are the input for the hybrid model and are optimized taking advantage of Ant Colony Algorithm. The given results show that Support Vector Machine based on Ant colony optimization has better performance in predicting stocks prices trends; since the true forecast average showed higher marks, the model owned higher accuracy in predicting the stocks prices trend.
