عنوان پایان‌نامه

ارایه یک مدل هوشمند جهت پیش بینی بازار سهام با کمک مدل مارکوف پنهان



    دانشجو در تاریخ ۱۲ شهریور ۱۳۹۲ ، به راهنمایی ، پایان نامه با عنوان "ارایه یک مدل هوشمند جهت پیش بینی بازار سهام با کمک مدل مارکوف پنهان" را دفاع نموده است.


    رشته تحصیلی
    مهندسی‌ سیستمهای‌اقتصادی‌-اجتماعی‌ - تحقیق در عملیات
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2401;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59080
    تاریخ دفاع
    ۱۲ شهریور ۱۳۹۲
    دانشجو
    سعید علی بخشی
    استاد راهنما
    فریبرز جولای
    چکیده
    لینک فایل چکیده
    پیش‌بینی در زمینه‌های مختلف از دیرباز، دارای اهمیت بسیاری بوده‌است. لزوم وجود پیش‌بینی آینده در حوزه های اقتصادی و مالی و بطور خاص بازار سهام، به دلیل وجود عایدی (مثبت یا منفی) کاملاً مشهود است. سرمایه‌گذاران برای بدست آوردن سود مناسب به وجود پیش‌بینی‌های دقیق و با ریسک کم قیمت‌های سهام، در روزهای آینده نیاز دارند و همواره به دنبال روش‌های مفیدی برای پیش‌بینی قیمت سهام بوده‌اند، لذا در این پژوهش به ارائه مدلی هوشمند به منظور پیش‌بینی روند قیمت در بازار سهام پرداخته می‌شود. هدف اصلی در بازار سهام، پیش‌بینی روند آینده قیمت‌ها به منظور تعیین زمان مناسب جهت ورود و خروج از بازار سهام و در نهایت کسب سود است. رفتار قیمت‌ها در بازار سهام دارای ماهیتی غیرخطی است و همین امر، پیش بینی را دشوار می‌سازد. لذا در این پژوهش رویکرد نوینی برای پیش‌بینی روند بازارسهام ارائه شده است. این رویکرد تلفیق روش‌های تحلیل تکنیکال و شبکه عصبی و روش مدل مارکوف پنهان که روش‌هایی غیرخطی هستند، می‌باشد. بازار سهام همواره دارای یکی از وضعیت‌های "گاو (صعودی)" ، "خرس (نزولی)" است که در این پژوهش وضعیت "ثابت" نیز به آنها افزوده شده است. به دلیل آشکار نبودن وضعیت بازارسهام، از این سه وضعیت به عنوان حالت‌های پنهان رویکرد پیشنهادی استفاده شده‌است. در این پژوهش از نوسان نماهای کاربردی موجود در تحلیل تکنیکال از جمله شاخص ویلیام (%R)، شاخص میانگین متحرک همگرا و واگرا (MACD)، شاخص قدرت نسبی (RSI)، شاخص نرخ تغییر (ROC) و اسیلاتور استوکستیک (Stochastic) و ترکیب آنها با شبکه‌های‌عصبی در تعیین دنباله مشاهدات که ورودی مدل مارکوف پنهان است، استفاده شده است. رویکرد پیشنهادی برای پیش‌بینی شاخص کل بورس اوراق بهادار تهران پیاده شده و نتایج حاصل از اجرای این رویکرد با نتایج بدست آمده از بکارگیری روش‌های شبکه عصبی و رگرسیون برای پیش بینی شاخص کل بورس اوراق بهادار تهران مقایسه شده است. این مقایسه نشان می‌دهد که دقت رویکرد پیشنهادی از روش‌های دیگر بیشتر و از قابلیت اطمینان بالایی برخودار است.
    Abstract
    Prediction in various areas, were very important since previous time. The necessity of prediction future in economic and fiscal aspects specially share stock market, because of returning (negative or positive) is completely cleared. Investors for achaieving profits need to correct prediction and low risk of stock prices in future days and constantly sought for useful methods for prediction of stocks prices, yet in this research dealt to offering intelligent model for prediction price process in share stock market. The main aim in share stock market is orediction the future process of prices for determining suitable time for enter and exit of share stock market and in finally gain profit. Kind of changing prices in share stock market has nonlinear nature, and this process, result in difficultness in prediction. So in this research offered new process for prediction process of share stock market. This process is compounding technical analysis methods andneural network and Hidden Markov Model that are nonlinear methods. Share stock markets constantly have one of situations “bull (rise)” , “bear (descent)”, that in this research add the “stable” situation to them, because of hidden of share stock market situation, used of these three situation as predict process hidden modes. In this research used of fluctuations of application appearances in technicalanalysis such as Villiam index (R%), Moving Average Convergence Divergence index (MACD), Relative Strength Index (RSI), Rate Of Change index (ROC) and oscillator Stochastic and compounding them with neural networks in determining the continues of studies that are enter of hidden Markov model. The proposed process used for prediction of total parameter of stock exchange of Tehran. The achieved results from performing this compared with received result of neural network and regression for prediction of stocks exchange parameter of Tehran. This compar showed that the correction of this proposed process in more than another method and has high trustworthy.