عنوان پایان‌نامه
پیش بینی قیمت سهام صنعت پتروشیمی با استفاده از شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای ترکیب و تجزیه و تحلیل تکنیکال وبنیادی
- رشته تحصیلی
- مدیریت بازرگانی-مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس قم شماره ثبت: 001783;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62865
- تاریخ دفاع
- ۳۱ شهریور ۱۳۹۲
- دانشجو
- علی امیرپورورنوسفادرانی
- استاد راهنما
- رضا تهرانی, غلامرضا جندقی
- چکیده
- پیش بینی قیمت سهام مشکل کلاسیک پیش روی تحلیل گران بازار سهام است. مدل های پیش بینی برای پیش گویی سهام های منفرد و شاخص های سهام در سراسر دنیا و در صنایع متعددی ایجاد شده اند. براساس بررسی انجام گرفته در کشور، این مدل ها هنوز،در صنعت پتروشیمی اعمال نشده اند. استراتژی ها برای پیش بینی معمولاً، شامل متغیرهای پایه ای و تکنیکی است. در این پایان نامه، داده های پایه ای و تکنیکی به صورت یک مدل پیش گویی سهام شبکه عصبی مصنوعی و ماشین بردار پشتیبان، برای صنعت پتروشیمی ترکیب شدند. مدل ها در دو نوع ،مدل طبقه بندی و مدل تخمین تابع طراحی شده بودند تا قیمت یک، چهار و سیزده هفته آینده را پیش بینی کنند.مدل های شبکه عصبی مصنوعی در تخمین توابع و پیش بینی براورد نقطه ای قیمت سهام موفق تر عمل کردند.ولی مدل های ماشین بردار پشتیبان در طبقه بندی نتایج دقت بیشتری نسبت به مدل های شبکه عصبی داشتند. دقت پیش گویی این مدل به اندازه 60 درصد رسیده است.
- Abstract
- The prediction of stock prices is a classic problem before the stock market analysts. The prediction models have been developed in various industries around the world for predicting the individual stocks and stock indices. According to the previous studies in the country, these models have not yet applied the petrochemical industry. The prediction strategies usually include the fundamental and technical variables. In this thesis, fundamental and technical variables data were combined for the petrochemical industry as a prediction model for the Artificial Neural Network( ANN) stock and Support Vector Machine(SVM). The models were designed and categorized into the classification model and function estimate model in order to predict the prices of the next one, four and thirteen weeks. The ANN models had a better performance in the function estimate and the point estimate prediction of the stock prices. But the support vector machine models had more accuracy in the classification of results than the ANN models. The prediction accuracy of this model has reached to 60 percent. Keywords: Prediction, stock price, Artificial Neural Network( ANN), Support Vector Machine(SVM), technical analysis, fundamental analysis
