این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های رشد و توسعه پایدار، جلد ۸، شماره ۱، صفحات ۱۵۱-۱۷۷
عنوان فارسی کاربرد شبکه های عصبی مصنوعی در زمان بندی معاملات سهام: با رویکرد تحلیل تکنیکی
چکیده فارسی مقاله زمانبندی معاملات سهام مسأله‌ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش‌بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می‌رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده‌تر مانند شبکه‌های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می‌شوند، می تواند بسیار مفید باشد. در این پژوهش قابلیت شبکه‌های عصبی مصنوعی (ANN) برای ارتقای اثربخشی شاخصهای تحلیل تکنیکی در پیش بینی علائم روند قیمت سهام بررسی شده است. نتایج حاصل از مدلها، بر اساس نمونه‌ای شامل 50 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، نشان داد که شبکه‌های عصبی مصنوعی از قابلیت پیش‌بینی علائم تغییر روند کوتاه مدت قیمت سهام در بازار اوراق بهادار تهران برخوردار است. در بازار صعودی پس از کسر هزینه‌های معاملاتی، تفاوت معنی‌داری بین بازده مدل شبکه‌های عصبی مصنوعی، روش خرید و نگهداری و پربازده‌ترین شاخصهای تکنیکی وجود ندارد. اما در بازار نزولی بازده مدل شبکه‌‌های عصبی مصنوعی از بازده روش خرید و نگهداری بیشتر است، هر چند در بازار نزولی شاخصهای روند (میانگین متحرک) بیشترین بازده را کسب نمودند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of Artificial Neural Networks in Stock Market Timing: A Technical Analysis Approach
چکیده انگلیسی مقاله Stock market timing is a very difficult task because of the complexity of the market. Since there are various factors affecting the market and therefore it is not a simple task to predict future stock price and its trend. This paper aims to apply advanced tools and algorithms such as the artificial neural networks (ANN) to model nonlinear processes and predict future stock price and its trend. More specifically, this study explores the abilities of the ANN to enhance the effectiveness of the technical analysis indicators to predict stock trend signals. Using a sample of 50 companies in the Tehran Stock Exchange (TSE), the results indicate that the ANN is capable to predict the direction of the short term movement in the future stock price. After considering the transaction costs, the results confirm that there is not significant difference among the returns gained from the ANN method, buy and hold strategy, and the most profitable technical indicators in the market when the trend is increasing. While, the ANN model yields higher returns compared to buy and hold strategy in the market when the trend is decreasing. Nevertheless, in the case of decreasing trend, the finding confirms the trend indicators (moving averages) achieve the highest returns.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رضا تهرانی |
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

وحید عباسیون |
تهران

نشانی اینترنتی http://ecor.modares.ac.ir/article_2148_e1b70dedd29b3a2f7d66dfc51793e0ba.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1388/article-1388-241328.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات