این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات مالی، جلد ۲۰، شماره ۲، صفحات ۲۴۸-۲۵۳
عنوان فارسی مدلی هوشمند برای پیش‌بینی قیمت سهام با استفاده از روش‌های تحلیل تکنیکال
چکیده فارسی مقاله هدف: هدف این پژوهش پیش­بینی روند با روش­های تحلیل تکنیکال پیش­بینی سهام و روش­های هوشمند یادگیری ماشین است و  برای پیش بینی بر روی شاخص کل کار می‌شود. روش: این پژوهش، شامل مراحلی است که در ادامه می­آید: ابتدا داده­های مورد نیاز جمع­آوری می­شوند سپس به 25 روش تحلیل داده می­شوند، سپس از میان این 25 روش ده روش با اولویت طبق روش­ انتخاب ویژگی کاهش ابعاد، انتخاب می­شوند، خروجی این مرحله به پنج روش هوشمند یادگیری ماشین، ماشین بردار پشتیبان خطی، ماشین بردار پشتیبان کرنل گوسی، درخت تصمیم، نزدیک­ترین K همسایه و نئیو بیز داده می­شود. سپس، برای تصمیم­گیری نهایی از روش رأی اکثریت استفاده شده است. یافته‎ها: در نهایت این نتیجه حاصل شد که روش پیشنهادی به­طور متوسط نرخ پیش­بینی صحیح 97 درصد دارد. نتیجه‎گیری: مزایای روش پیشنهادی به این شرح است: روش پیشنهادی در استفاده از روش­های تحلیل تکنیکال  محدودیتی ندارد. روش انتخاب ویژگی بر روی روش­های تحلیل تکنیکال  اعمال شده و روش­های تحلیل تکنیکال با اولویت انتخاب شده­اند.
کلیدواژه‌های فارسی مقاله پیش‌بینی شاخص کل، تحلیل تکنیکال، روش‌های هوشمند یادگیری ماشین،
عنوان انگلیسی Developing an Intelligent Model to Predict Stock Trend Using the Technical Analysis
چکیده انگلیسی مقاله Objective: The aim of this study is to predict trend in stock using both analytical methods of stock prediction and intelligent machine learning methods on the case study of the Tehran Stock Exchange index. Methods: The proposed method consists of the following steps: at first, required data are collected. Afterwards, the data are evaluated using 25 analytical methods certified by Tehran stock exchange, Inc. Then, 10 highest rank methods are selected based on feature selection technique leading to a decrease in dimensions. Results: The output of the final step is given to five intelligent machine learning methods, i.e., linear support vector machines, Gaussian kernel support vector machines, decision trees, Naïve Bayes and K nearest neighbors. Conclusion: Eventually, majority voting approach is used to make the final decision. The advantage of the proposed technique is the flexibility to use any technical analysis methods which means there is almost no limitation for this approach. Moreover, the feature selection technique is utilized for technical analysis and these methods are prioritized.    
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید عنایت اله علوی |
دانشگاه شهید چمران اهواز

الهام افشاری راد |
دانشگاه شهید چمران اهواز

حسنلعی سینایی |
مدیر گروه مدیریت دانشکده اقتصاد و علوم اجتماعی دانشگاه شهید چمران اهواز

نشانی اینترنتی https://jfr.ut.ac.ir/article_67701_4e8560c5e925c6605128c564f1937ffb.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/705/article-705-891300.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