عنوان پایان‌نامه
پیش بینی شاخص قیمت سهام با استفاده از مدل ترکیبی BPNN,ESM,ARIMA در بورس اوراق بهادار تهران
- رشته تحصیلی
- مهندسی مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81277;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81277
- تاریخ دفاع
- ۲۸ شهریور ۱۳۹۵
- دانشجو
- عماد ضمیری نقره
- استاد راهنما
- سعید فلاح پور
- چکیده
- یکی از چالش برانگیزترین فعالیتها برای شرکتهای مالی پیش بینی شاخص سهام است. برای پیش بینی شاخص از روشهای مختلفی استفاده می شود.برخی از این روشها عبارتند از مدل هموارسازی نمایی،مدل میانگین متحرک خود گردان یک پارچه و مدل شبکه عصبی.تحقیقات پیشین نشان داده است که هیچ یک از مدل ها به تنهایی در تمامی موقعیت ها به خوبی عمل نمی کند. در این گزارش و در مدل هیبریدی روشهای مختلف پیش بینی با هم ترکیب می شود. مدل هیبریدی فرض شده می تواند ویژگی های خطی و غیر خطی سری های زمانی قیمت سهام را در نظر بگیرد. به عنوان مثال مدلهای میانگین متحرک خودگردان یکپارچه و مدل هموارسازی نمایی روابط خطی و شبکه عصبی استفاده شده ، روابط غیر خطی را به خوبی در نظر می گیرد. برای وزن دهی مدل هیبریدی از الگوریتم های بهینه سازی مختلفی می توان استفاده کرد. در این گزارش اوزان مدل با الگوریتم ژنتیک تعیین شده است. برای آزمودن مدل می توان از مقادیر پایانی شاخص بورس تهران و یا قیمت سهم ها به صورت تکی استفاده کرد. در انتها نتایج این مدل با سایر مدلها مقایسه می شود و خطای مدلها مورد بررسی قرار میگیرد.
- Abstract
- An increasingly popular yet challenging research field is forecasting the stock market price index. A variety of models such as Exponential Smoothing Model (ESM), Autoregressive Integrated Moving Average Model (ARIMA) and the Back Propagation Neural Network (BPNN) can be utilized to provide forecasts based on time series. Since no single model can optimally provide solutions for all cases, a hybrid approach combining ESM, ARIMA, and BPNN is proposed to enhance the overall performance of the forecasting model and minimize the deficiencies of each model used alone. ESM and ARIMA model the linear relationships while the BPNN captures non-linear patterns as well. Eventually, weights of the proposed hybrid model (PHM) are determined by Genetic Algorithm (GA). The performance of PHM will then be evaluated by closings of the Tehran Stock Index (SZII) used as illustrative examples.
