این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۹، شماره ۱، صفحات ۱-۲۰
عنوان فارسی طراحی نوعی سیستم هوشمند برای کشف تقلب حاصل از حرکت القایی در معاملات بازار قراردادهای آتی سکۀ بورس کالای ایران مبتنی بر شبکۀ بیزی
چکیده فارسی مقاله در بازار سهام، برخی سوداگران به‎منظور کسب منفعت بیشتر سعی می‏کنند به‌وسیلۀ سفارش‎های صوری، سبب تأثیر هدفمند بر نوسان قیمت‏ها شوند و از وضعیت پیش‌آمده در قیمت‏ها سوءاستفاده کنند که به این عمل، حرکت القایی گفته می‏شود. به‎دلیل جمعیت آماری زیاد مشتریان، امکان نظارت چشمی یا نظارت سیستمی‏ از طریق روش‏های سنتی برای کشف حرکت القایی وجود ندارد. پژوهش حاضر به‌دنبال ارائۀ سیستمی برای پیشگیری از وقوع حرکت القایی در معاملات بازار قرارداد‏های آتی سکۀ بورس کالای ایران مبتنی بر مدل‌سازی طبقه‏بند بیزی است. سیستم ارائه‌شده ضمن برخورداری از پیچیدگی زمانیِ چند‌جمله‏ای، به‌دلیل لحاظ‌کردن وابستگی‏های مهم میان ویژگی‏های مختلف داده، دقت زیادی ‌دارد. برچسب‏گذاری اولیۀ داده‏ها با استفاده از خوشه‏بندی کا‌ ـ میانگین انجام گرفته است و آزمون مدل، تشابه 55/94 درصدی را میان نتیجۀ روش بیزی پیشنهادی و داده‌های برچسب‏گذاری‌شده نشان می‏دهد. استفاده از سیستم نوین ارائه‌شده به شناسایی افراد فریبکار در معاملات بازار از افراد سالم کمک به‌سزایی می‏کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی An Intelligent System for Fraud Detection in Coin Futures Market’s Transactions of Iran Mercantile Exchange Based on Bayesian Network
چکیده انگلیسی مقاله In order to gain more illicit profit, some traders in the stock market try to make a targeted impact on prices by placing fake orders and false advertising. Due to the high customer population, it is not possible to discover these frauds using traditional methods. The present study seeks to provide a system for preventing the frauds in future market-trading coins based on Bayesian classifier model for Iran Mercantile Exchange. The proposed model has polynomial time complexity and high accuracy because of considering important dependencies among different features of data. The primary labeling of data has been done by Kmeans clustering. The test of model shows 94.55 percent similarity between model's output and labeled data. Using this system can helps to identify the fraudulent from non-fraudulent traders.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید امیررضا ابطحی | seyed amirreza
استادیار گروه مدیریت فناوری اطلاعات، دانشکدۀ مدیریت دانشگاه خوارزمی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)

فاطمه الهی |
دانشجوی کارشناسی ارشد مهندسی دانش و علوم تصمیم، دانشکدۀ مدیریت، دانشگاه خوارزمی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)

رضا یوسفی زنوز | yousefi zenouz
استادیار گروه مدیریت فناوری اطلاعات، دانشکدۀ مدیریت دانشگاه خوارزمی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)

نشانی اینترنتی http://jitm.ut.ac.ir/article_60680_26aa06de30a6257fb58215616a88d6ba.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-386275.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