این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۱۰، شماره ۲، صفحات ۳۱۵-۳۳۴
عنوان فارسی پیش‌بینی رفتار بازار سهام بر اساس شبکه‌های عصبی مصنوعی با رویکرد یادگیری جمعی هوشمند
چکیده فارسی مقاله هدف: پیش‌بینی دقیق بازار سهام برای معامله‌گران این بازار ارزشمند است. پیش‌بینی سری‌های زمانی مالی از دسته مسائل چالشی و مهم در پیش‌بینی است و پژوهشگران تلاش می‌کنند که الگوهای پنهان را برای پیش‌بینی آینده بازار سهام استخراج کنند. هدف این مقاله ارائه یک مدل هوشمند برای پیش‌بینی رفتار بازار سهام است. روش: این مقاله، برای افزایش دقت از مدلی بر مبنای الگوریتم‌های یادگیری جمعی با مدل‌های پایه شبکه‌های عصبی استفاده می‎کند. برای در نظر گرفتن جهت تغییر قیمت در پیش‌بینی، ساختار دومرحله‌ای به‎کار رفته است. در مرحله نخست، جهت بعدی حرکت قیمت سهام (افزایش یا کاهش) پیش‌بینی شده و از آن برای پیش‌بینی قیمت در مرحله دوم استفاده شده است. یافته‎ها: دقت نتایج و افزایش بازده پیش‌بینی، مهم‌ترین چالش مدل‌های پیشنهادشده در بازار سهام به‎شمار می‎رود. نکته مهم برای سودآوری معاملات، توجه به جهت تغییر قیمت سهام در پیش‌بینی قیمت آن است که در مدل‌های پیش‌بینی‌ به این موضوع توجه کمتری شده است. مدل پیشنهادی با استفاده از روش‌های مبتنی بر هوش مصنوعی نشان می‎دهد که پیش‌بینی رفتار بازار سهام با وجود ماهیت نوسانی و ناپایدار آن، امکان‎پذیر است. نتیجه‎گیری: نتایج معیارهای ارزیابی روی داده‌های واقعی قیمت سهام نشان می‌دهد مدل پیشنهاد شده در مقایسه با سایر روش‌ها، با دقت بیشتری می‌تواند بر نوسان‎های بازار غلبه کرده و به‌عنوان روش قابل ‌اطمینان و عملی در بازارهای سهام به‎کار گرفته شود.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Stock Market Behavior Based on Artificial Neural Networks through Intelligent Ensemble Learning Approach
چکیده انگلیسی مقاله Objective: Accurate forecasting of stock market behavior is invaluable for traders. Forecasting financial time series is among the important and challenging problems and researchers try to extract hidden patterns to predict the future behavior of the stock market. The purpose of this paper is to provide an intelligent model to predict stock market behavior. Methods: This paper employs ensemble learning (EL) algorithm model using neural network base learners to increase the accuracy. In order to consider the direction of price change in the stock price forecasting, a two-stage structure was used. In the first stage, the next direction of the stock price (increase or decrease) was predicted and thenit was employed to forecast the price. Results: The most important challenges of the proposed models in the stock market were the accuracy of the results and how to increase the forecasting efficiently. Research in this field has paid little attention to the prediction of the direction of the next movement of stock price, while it is very important regarding the profitability. The use of artificial intelligence-based models has shown that the stock market is predictable despite its uncertain and unstable nature. Conclusion: The evaluation of results in stock market dataset shows that the proposed model suggests higher accuracy compared to other models in the literature. In addition, it can overcome the market fluctuations and can be used as a reliable and applicable model in the stock markets.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بهروز مینایی |
دانشجوی دکتری مهندسی فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران

محمد تقی فقیهی نژاد |
دانشیار گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه علم وصنعت ایران، تهران، ایران

نشانی اینترنتی https://imj.ut.ac.ir/article_67794_c7382740fa928f19d7cd1f9891d3116d.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1082/article-1082-902447.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