عنوان پایان‌نامه
توانایی شبکه های اجتماعی در پیش بینی جهت و قیمت سهام
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 67547
- تاریخ دفاع
- ۲۵ اسفند ۱۳۹۳
- دانشجو
- مهدی راحمی نوش آبادی
- استاد راهنما
- رضا تهرانی
- چکیده
- بورس اوراق بهادار آینه تمام نمای اقتصادی یک کشور است. سرمایه گذاران برای تصمیم گیری در مورد بخش های مختلف اقتصاد به دنبال اطلاعاتی برای پیش بینی بازده هر یک از این بخش ها هستند. یکی از مهمترین دغدغه های فعالان اقتصادی و به خصوص فعالان بازار پیش بینی نوسان قیمتی شرکت های پذیرفته شده در بورس تهران می باشد. در سالیان گذشته و با توسعه بازار سرمایه ، محققین روشهای زیادی برای پیش بینی قیمت سهام شرکت های پذیرفته شده در بورس انجام داده اند. در این پژوهش نیز با توجه به گسترش شبکه های اجتماعی سهام، برآن شدیم که با توجه به اطلاعات ارائه شده در شبکه اجتماعی بتوانیم قیمت سهام را با خطای کمتری نسبت به دیگر روشها، تخمین بزنیم. در حقیقت در این پژوهش خطای پیش بینی قیمت سهام شرکت ها با استفاده از داده های تاریخی و اطلاعات گرفته شده از شبکه اجتماعی (سایت سهام یاب) را با خطای پیش بینی قیمت سهام فقط با استفاده از داده های تاریخی و با استفاده از شبکه عصبی مقایسه کردیم.
- Abstract
- Stock exchange is a comprehensive reflection of the economy of a country. To decide on different parts of economy, the investors search for the information to predict the efficiency of every one of these parts. One of the most significant concerns of economy masters and particularly those of the market is to anticipate the price fluctuation of the accepted companies in Tehran Bourse. Developing the stock market in previous years, the researchers have experienced a lot of techniques to predict the stock price of the accepted companies in exchange. This research is about to estimate the stock price with the less error than the other methods regarding the presented data in social networks. Actually the error in predicting the stock price of the companies using the historical data and the information obtained from social networks has been compared to the error in predicting the stock price using just the historical data and the neural networks in this research.
