عنوان پایان‌نامه
پیش بینی زمان مناسب برای خرید و فروش سهام با استفاده از شبکه های عصبی فازی
- رشته تحصیلی
- مدیریت بازرگانی-مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس قم شماره ثبت: 001582;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56692
- تاریخ دفاع
- ۲۳ آذر ۱۳۹۱
- دانشجو
- محمدجواد دهقان اشکذری
- استاد راهنما
- غلامرضا جندقی
- چکیده
- چکیده امروزه، سرمایهگذاری در بورس اوراق بهادار، بخش مهمی از اقتصاد کشور را تشکیل می‌دهد و بی‌تردید بیشترین مقدار سرمایه از طریق بازارهای سهام در تمام جهان مبادله می‌شود.بازارهای بورس نه تنها ازپارامترهای کلان،بلکه ازهزاران عامل دیگرنیزمتأثرمی‌شوند. تعداد زیاد و ناشناخته بودن عوامل مؤثربرقیمت سهام وهمچنین پیچیده‌بودن رابطه بین این عوامل وقیمت سهام،موجب عدم اطمینان درزمینه سرمایهگذاری شده است. یکی ازابزارهای کاهش عدم اطمینان وازبحث‌های بسیارمهم سرمایه گذاری دربورس اوراق بهادار،تشخ یص زمان مناسب برای اقدام به خریدیافروش سهام است.دراین تحقیق،تلاش می‌شودتابااستفاده ازتوانایی شبکه‌های عصبی فازی درایجادرابطه بین متغیرهای مختلف،وباکمک شاخص‌های تکنیکال،مدلی طراحی کردتابتوان براساس آن زمان مناسب برای خریدوفروش سهام راپیش‌بینی کرد. برای آزمون مدل از داده‌های قیمت سهام شرکت صنایع لاستیکی سهند استفاده شده است. نتایج تجزیه و تحلیل ها امیدوار کننده است و نشان می دهد که مدل طراحی شده می تواند تا حد خوبی زمان مناسب برای خرید و فروش سهام را پیش بینی کند. همچنین در انتهای تحلیل ها با توجه به نتایج مدل، یک استراتژی خرید و فروش محتاطانه پیشنهاد می گردد.
- Abstract
- Abstract Nowadays, investment in stock has an important role in economies and undoubtedly the maximum amount of capital exchanged from stocks in world. Stock markets not only are affected by macro parameters, but also by many other factors. Numerous and unknown factors and the complexity of relations between them and stock price, result in unreliability in investment. One of the tools of reducing unreliability that is a very important discussion in stock market is the determination of best time to dealing shares. This research try to development a model for forecasting suitable time to dealing (buy and sell) shares by using neuro-fuzzy networks ability in establishing relationship between differences variables and applying technical indicators. For testing this model stock price data of Sahand Rubber Industry Co. has been used. Results of analysis are promising and show that this model can forecast suitably the time to dealing shares. Also in the end of analyses according to results, a provisory strategy is suggested
