مقاله درمورد روش تحقیق، شبکه های عصبی، الگوریتم ژنتیک، مبانی نظری

دانلود پایان نامه ارشد

ت می آورد. هدف این روش استخراج قوانین نمادین است به طوری که ارتباط بین ورودی و خروجی را با دقت بدست می آورد. در نهایت، روش منتخبان، از ترکیب اجزای دو روش فوق پیروی می کند(تیکل30 و همکاران،1997).
در تکنیک استخراج قانون از شبکه های عصبی با الگوریتم ژنتیک، از الگوریتم های مبتنی بر آموزش و منتخبان، بیشتر استفاده می شود.

1-6-4: روش ترکیبی تبدیل موجک- شبکه عصبی و ARIMA
1-6-4-1: تبديل فوريه
همه جا در اطراف ما سيگنالهايي وجود دارند كه بايد تحليل شوند. لرزش‌هاي زلزله، صحبت انسانها، نوسان موتورها، تصاوير پزشكي، داده‌هاي مالي، موزيك و بسياري از انواع ديگر از سيگنالهايي هستند كه بايد به شكل مناسبي كدگذاري شوند، فشرده شوند، نويزهايشان تصفيه شوند، بازسازي شوند، بيان شوند، ساده شوند، متمايز شوند و يا محل يابي شوند. تحليل موجك31 يك ابزار جديد و تكنيك مناسب براي اين كارها مي‌باشد.
تحليل سيگنال هم اكنون مهمترين دوره مصرف خود را مي‌گذراند و شايد يكي از شناخته‌شده‌ترين روشهاي تحليل سيگنال تبديل فوريه باشد. تبديل فوريه يك سيگنال را به شكل موجهاي سينوسي تشكيل‌دهنده‌اش در فركانس‌هاي مختلف تجزيه مي‌كند. نوعي ديگر نگرش به تبديل فوريه اين است كه تبديل فوريه را يك تكنيك رياضي براي انتقال ديد يا نگاه به سيگنال از حوزه زمان به حوزه فركانس در نظر گرفت.

شکل 1-1: نمايش تبديل فوريه
تحليل فوريه داراي يك كاستي جدي مي‌باشد. در انتقال يك سيگنال از حوزه زمان به حوزه فركانس، اطلاعات حوزه زمان سيگنال از دست مي‌رود. هنگام نگاه كردن به تبديل فوريه يك سيگنال غيرممكن است كه بتوان گفت درچه زماني حوادث در سيگنال اتفاق افتاده است. اين مسئله در يك سيگنال ايستا32مهم نيست (سيگنال ايستا به سيگنالي گفته مي‌شود كه در طي زمان تغيير زيادي نكند)، اما بسياري از سيگنالهاي مهم و موردتوجه شامل تعداد نامتناهي از سيگنالهاي غيرايستا يا گذرا مي‌باشد مانند پيشامدها، تغييرات ناگهاني، ابتدا و انتهاي زمان رخ دادن حوادث و … . اين مشخصه‌ها اغلب مهمترين قسمت سيگنال مي‌باشند. اما متأسفانه تحليل فوريه براي تشخيص آنها مناسب نيست.

1-6-4-2: تبديل موجك
تحليل موجك قادر به نمايش سيگنال به وسيله يك تكنيك پنجره‌بندي نواحي با سايزهاي مختلف مي‌باشد. تحليل موجك امكان استفاده از پنجره‌هاي زماني بزرگ را در هنگام نياز به اطلاعات دقيق در فركانس‌هاي پايين و پنجره‌هاي زماني كوچكتر هنگامي كه نياز به اطلاعات فركانس بالاست را مقدور مي‌سازد. تحليل موجك قابليت آشكارسازي مفاهيم مختلف داده‌ها را دارد كه تكنيك‌هاي ديگر تحليل سيگنال آنها را از دست مي‌دهند. مفاهيمي از قبيل تمايل، نقاط شكست، نشانه، نقاط انفصال و منشاء آنها و … را مي‌توان با تحليل موجك آشكارسازي نمود و اين موضوع بدليل نگاه متفاوت اين روش به داده‌ها نسبت به روشهاي قبلي مي‌باشد. تحليل موجك همچنين قادر به فشرده سازي و نويززدايي سيگنال بدون اينكه افت محسوسي در كيفيت سيگنال ايجاد كند مي‌باشد.
آناليز موجک قادر به تجزيهي سريهاي زماني، در مقياسهاي زماني مختلف ميباشد (اين و همکاران33، 2008)؛ به طوري که با تحليلهاي فرکانس زماني، کاربردهاي فراواني را در مدلسازي سريهاي زماني اقتصادي و مالي فراهم آورده (جنساي و همکاران34، 2002) و به صورت گسترده در سريهاي زماني غير ايستا به کار بسته شده است (ناسون و ون ساچس35، 1999). در آناليز موجک، سيگنال به صورت ترکيب خطي از توابع موجک نشان داده ميشود (سفتر و همکاران36، 2007، 2008)، به طوري که. بر اساس طول دادهها، دو موج اصلي موجک ها وجود دارد: اولين موج، تبديل موجک پيوسته (37CWT)، که براي کار با سريهاي زماني تعريف شده بر روي محور حقيقي کامل طراحي شده است؛ موجک دوم، تبديل موجک گسسته (38DWT) ميباشد که در جداسازي سري داده در اجزاء فرکانس متفاوت، به منظور آزمايش عمق سري داده مطالعه ميشود (کونلون و همکاران39، 2008). مراحل فيلتر كردن يك سيگنال در موجك ها بصورت شكل زير ميباشد:

شکل 1-2: مفهوم فيلتر شدن سيگنال توسط موجك‌ها
سيگنال اصلي S از دو فيلتر مكمل مي‌گذرد و دو سيگنال از فيلتر‌ها خارج مي‌شود. متأسفانه اگر اين مراحل بر روي يك سيگنال حقيقي ديجيتال انجام شود با دوبرابر تعداد داده‌اي كه با آن آغاز كرديم مواجه خواهيم شد. فرض كنيد سيگنال اصلي S شامل 1000 نمونه داده باشد. آنگاه مقادير تقريبي و جزئي هركدام شامل 1000 نمونه خواهد بود و مقدار كلي نمونه‌ها 2000 عدد خواهد شد.
براي تصحيح اين مسئله مفهوم نمونه‌برداري با نرخ پايين40 معرفي مي‌شود شكل زير اين موضوع را نشان مي‌دهد.

شکل 1-3: مفهوم نمونه برداری با نرخ پایین
در این تحقیق سری زمانی شاخص قیمت سهام با استفاده از موجک دبوچی تا سه مرحله تجزیه شد بطوریکه سری هموار شده ازسری توابع جزئیات جدا شد و سپس بر اساس روش ARIMA سری اصلی و سری توابع جزئیات با استفاده از شبکه عصبی پیش بینی شد.
1-7: ابعاد كلي تحقيق
1-7-1: روش تحقیق
تحقيق از نظر هدف (از نظر دليل انجام): توصيفي- تحليلي
فرآيند، روش جمع آوري و تحليل دادهها: كمي
منطق استنتاج: استقرايي
تحقيق از نظر هدف(نتايج) : كاربردي
روش و ابزار گرآوري اطلاعات (جمع آوري داده ها): ميداني
روش و ابزار گرآوري اطلاعات (درمورد ادبيات تحقيق): كتابخانه اي
از آنجايي كه در اين تحقيق امكان دستكاري متغيرهاي مستقل جهت مشاهده اثرات اين تغييرات در متغير وابسته براي محقق وجود ندارد، اين نوع تحقيقات را ميتوان در طبقه تحقيقات نيمه تجربي يا شبه تجربي قرار داد.

1-7-2: جامعه و نمونه آماری تحقیق
سری زمانی دادههای روزانه شاخص قیمت بورس اوراق بهادار تهران از سال 1384 لغایت 1389 به عنوان جامعه آماری تحقیق انتخاب گردیده است. دادههای مزبور از سایت سازمان بورس و اوراق بهادار تهران استخراج گردیده است. همچنین متغیرهای مستقل استفاده در تحقیق که با توجه به مطالعات صورت گرفته در این زمینه به شرح زیر انتخاب گردید:
قیمت جهانی طلا (GP)، میانگین قیمت نفت ایران (OP)، نرخ دولتی دلار آمریکا (USD) و شاخص S&P500 بورس آمریکا به عنوان نماد بورس جهانی برای دوره مورد مطالعه انتخاب گردید.

1-7-3: جنبهی نوآوری تحقیق
تحقيقي با چنين محتوا و عنواني تا به حال در ايران به انجام نرسيده است.
این تحقیق کمک میکند تا دريچه جديدي از اطلاعات مورد نياز، جهت رسيدن به اهداف اقتصادي كه همان تخصيص بهينه منابع است، باز شود، تا عوامل درگير و تصميم گيران حول اين مقوله با بكارگيري تكنيكهاي كارا و مناسب و ترکیب دو تكنيك خطي و غير خطي بتوانند تصمیمات خویش را با دقت و اطمینان بیشتری اخذ نمایند.
همچنین معرفي روشي جديد براي پيش بيني شاخص هاي بازارهاي مالي براي اولين در مطالعات و پژوهش هاي كاربردي و دانشگاهي می باشد.

1-8: ساختار کلی تحقیق
در فصل اول کلیات تحقیق ارائه شد. تشریح و بیان موضوع تحقیق، ضرورت انجام و اهداف تحقیق، فرضیه-های تحقیق و روش آزمون فرضیات تحقیق در این فصل ارائه شد.
فصل دوم مبانی نظری و مروری بر پیشینه تحقیق را در بردارد. در این فصل پس از ارائه مفاهیم بنیادی موضوع تحقیق ، تحقیقات مختلفی که در رابطه با ابعاد مختلف موضوع تحقیق انجام گرفته مورد بررسی قرار گرفت.
فصل سوم روش تحقیق را مورد بحث قرار می دهد. در این فصل ابتدا فرضیه های تحقیق ، جامعه آماری، نمونه آماری و منابع اطلاعاتی تشریح گردیده است. سپس روشهای آماده سازی متغیرهای تحقیق و روشهای آزمون فرضیات مطرح شده است.
فصل چهارم به تجزیه و تحلیل اطلاعات و تحلیل یافته ها اختصاص دارد. در این فصل نتایج آزمون هر یک از فرضیه های تحقیق تشریح شده است.
فصل پنجم شامل خلاصه، نتیجهگیری و پیشنهادات می باشد . در این فصل ابتدا خلاصه موضوع، روشها و یافتههای تحقیق بیان شده، سپس نتیجه گیری و بررسی تطبیق یافته ها مورد بحث قرار گرفته است. در خاتمه پیشنهادها و زمینه های تحقیقاتی آتی ارائه شده است. فهرست منابع و مآخذ و پیوستهای تحقیق نیز ضمیمه است.
1-9: خلاصه فصل
درانجام هر پژوهشی یکی از مهمترین بخشها، ارائه طرح تحقیق (کلیات) مناسب می باشد. در این فصل سعی بر آن بود تا با بیان قسمتهای مختلف مطالعه انجام شده، طرح کلی از آن ارائه گردد. بدین منظور، در ابتدا با بیان مقدمهای کلیات طرح مشخص گردید و سپس به بیان مساله و چارچوب نظری، اهداف، دلایل اهمیت و ضرورت تحقیق پرداخته شده است. در ادامه فرضیهها و روش تحقیق ارائه شده است. در انتها ساختار کلی تحقیق بیان شده است.

2-1: مقدمه
بي ترديد امروزه بيشترين مقدار سرمايه از طريق بازارهاي بورس در جهان مبادله ميشود. اقتصادهاي ملي به شدت متاثر از عملكرد بازار بورس است. به علاوه بازار بورس به عنوان يك ابزار سرمايه گذاري در دسترس، هم براي سرمايه گذاران كلان و هم براي عموم مردم شده است. بازارهاي بورس نه تنها از پارامترهاي كلان، بلكه از هزاران عامل ديگر نيز متاثر مي شوند. تعداد زياد و ناشناخته بودن عوامل موثر بر بازار بورس، موجب عدم اطمينان در سرمايه گذاري شده است.
در حالت کلی آگاهی از ابهام و شرایط عدم اطمینان برای انسان مطلوبیت دارد و همواره در مورد دانستن اینکه در آینده چه روی خواهد داد، کنجکاو است. به همین جهت این امر برای افرادی که منابع هنگفت خود را سرمایه گذاری می کنند، اهمیت بیشتری دارد. سرمایه گذار مایل است با آگاهی از آیندهی شرکتِ سرمایه پذیر، اقدام به سرمایه گذاری در آن نماید و یا اینکه با اطلاع از وضعیت آتی قيمت آن، تصمیمات صحیح مبنی بر فروش، حفظ و یا گسترش سرمایه گذاری خود اتخاذ نماید. از این رو در این تحقیق به پیش بینی شاخص قيمت با استفاده از مدل ARIMAو MLP و تکنیک استخراج قانون و همچنين تركيب روش هاي مزبور با استفاده از تبديل موجك پرداختیم.
در این فصل ضمن بیان مقدمه ای از مفهوم و اهمیت بازار سهام، به تبیین و تشریح روش های مختلف پیش بینی ازجمله مدلARIMA ، شبکه های عصبی ، الگوریتم ژنتیک و تبديل موجك به بيان تحقیقات صورت گرفته پیرامون پیش بینی قيمت سهام می پردازیم.

2-2: مبانی نظری پژوهش
2-2-1: تئوري سرمايه گذاري در بازار بورس
تئوري سرمايه گذاري، پارامترهايي را كه بايد براي سرمايه گذاري در بازار مورد توجه قرار داده معرفي مي نمايد. از قديم در بازار بورس همواره دو تئوري سرمايه گذاري وجود داشته است:
تحليل بنيادي41
خواب طلايي42
با توجه به اين دو تئوري مي توان فهميد، كه چگونه بازار شكل ميگيرد؟ سرمايه گذار چگونه فكر و عمل مي نمايد؟ دنباله اي از اين افكار و عكس العمل هاي سرمايه گذار محل سرمايه گذاري را معلوم و در نتيجه سطح بازار را مشخص مي نمايد. سرمايه گذاران براي رسيدن به منفعت، همواره در پي يافتن راههايي هستند كه آينده بازار و سهام را معلوم كند. در فرايند سرمايه گذاري، سرمايه گذار با توجه به اطلاعات در دسترس، سهامي را انتخاب و در آن سرمايه گذاري مي كند.(عباس پور،1381)
بر اساس تئوري اول، بازار عكس العمل بين سرمايه گذارها شكل مي گيرد، اين عكس العملها مبتني بر اطلاعات واقعي شركت هاي حاضر در بازار مي باشند. اطلاعات واقعي شركت بر اساس تجزيه و تحليل وضعيت فعلي آن و چشم اندازهايي كه دنبال مي نمايد، حاصل مي شود و بازار بر اساس ديدگاه هاي منطقي شكل مي گيرد.
بر اساس تئوري دوم، بازار حاصل رفتار سرمايه گذاران مي باشد. سرمايه گذاران بايد فقط به اين مسئله توجه داشته باشند كه امروز با قيمت 20 واحد بخرند و فردا به قيمت 30 واحد بفروشند. طبق اين تئوري، اطلاعات واقعي مربوط به شركت اصلا اهميت ندارد و بازار حاصل تعامل رواني بين سرمايه گذاران مي باشد.

2-2-2: قابليت پيش بيني و فرضيه بازار كارا
عليرغم وجود فرضيه بازار كارا، اين فرضيه تنها مبتني بر يك نظريه مي باشد و هر نظريه با استنتاج ها و دلايل و مشاهدات مناسب قابل رد يا اثبات است. در واقع، ممكن است روش

پایان نامه
Previous Entries مقاله درمورد الگوریتم ژنتیک، شبکه های عصبی، شبکه عصبی، مدل ترکیبی Next Entries مقاله درمورد رگرسیون، سری های زمانی، شبکه های عصبی، روشهای رگرسیون