شبکه عصبی، بازار سرمایه، داده کاوی

دانلود پایان نامه ارشد

دانشگاه صنعتي خواجه نصيرالدين طوسي
اظهارنامه دانشجو
شماره:
تاريخ:

اینجانب علیرضا جندقیان دانشجوی کارشناسی ارشد رشته مهندسی صنایع گرایش مهندسی مالی دانشکده مهندسی صنایع دانشگاه صنعتي خواجه نصیرالدین طوسی گواهی می‌نمایم که تحقیقات ارائه شده در پایان‌نامه با عنوان پیش بینی قیمت سهام با استفاده از داده کاوی و شبکه های عصبی با راهنمايي استاد محترم جناب آقاي دكتر امیرعباس نجفی، توسط شخص اینجانب انجام شده و صحت واصالت مطالب نگارش شده در این پایان‌نامه مورد تأیید می‌باشد، و در مورد استفاده از کار دیگر محققان به مرجع مورد استفاده اشاره شده است. بعلاوه گواهی می‌نمایم که مطالب مندرج در پایان نامه تا کنون برای دریافت هیچ نوع مدرک یا امتیازی توسط اینجانب یا فرد دیگری در هیچ جا ارائه نشده است و در تدوین متن پایان‌نامه چارچوب (فرمت) مصوب دانشكده مهندسي صنايع را بطور کامل رعایت کرده‌ام. چنانچه در هر زمان خلاف آنچه گواهي نموده‌ام مشاهده گردد خود را از آثار حقيقي و حقوقي ناشي از دريافت مدرك کارشناسی ارشد محروم مي‌دانم و هيچگونه ادعائي نخواهم داشت.

امضاء دانشجو:
تاریخ:

تاسيس 1307
دانشگاه صنعتي خواجه نصيرالدين طوسي
حق طبع و نشر و مالکیت نتایج
شماره:
تاريخ:

1- حق چاپ و تکثیر این پایان‌نامه متعلق به نویسنده آن می‌باشد. هرگونه کپی برداری بصورت کل پایان‌نامه یا بخشی از آن تنها با موافقت نویسنده یا کتابخانه دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی مجاز می‌باشد.
ضمناً متن این صفحه نیز باید در نسخه تکثیر شده وجود داشته باشد.
2- کلیه حقوق معنوی این اثر متعلق به دانشگاه صنعتی خواجه نصیرالدین طوسی می‌باشد و بدون اجازه کتبی دانشگاه به شخص ثالث قابل واگذاری نیست.
همچنین استفاده از اطلاعات و نتایج موجود در پایان نامه بدون ذکر مراجع مجاز نمی‌باشد.

تشکر و قدردانی :
به این وسیله از زحمات بی دریغ استاد گرامی، جناب دکتر نجفی کمال تشکر را به خاطر سعه صدر و راهنمایی هایشان دارم

چکیده
بازار سرمایه، به دلیل داشتن خواص بسیاری از جمله عدم نیاز به سرمایه زیاد و سوددهی بالا به بستر مناسبی برای سرمایه گذاری تبدیل شده است. به همین دلایل، رشد این بازارها با سرعت چشمگیری در حال افزایش است. همین امر باعث تقاضای بالاتر برای اطلاعات، تلاش بیشتر برای پیش بینی و ابداع مدل های جدید برای پیش بینی آینده بازار شده است. پیش بینی بازار سرمایه به دلیل وجود انبوهی از سرمایه گذاران با دیدگاه های متفاوت و اثرگذار بودن تعداد زیادی از متغیرها که عملا بررسی همه آنها ممکن نیست، کاری دشوار و چالش برانگیز می باشد. به همین دلایل، مدل های پیش بینی جدید معرفی شده و مدل های پیش بینی قبلی ارتقا می یابند و یا با یکدیگر ترکیب می شوند. به طور کلی می توان گفت که تلاش های صورت گرفته تا زمان فعلی، در سه دسته برای پیش بینی بازار سرمایه قرار می گیرند. دسته اول از تحلیل تکنیکی، دسته دوم از تحلیل بنیادین و دسته سوم از مدل های ریاضی استفاده می کنند. تلاش برای افزایش قابلیت های مدل های موجود با استفاده از تلفیق این مدل ها با یکدیگر، روند تازه ای است که نتایج رضایت بخشی را نیز به دنبال داشته است. بیشتر این تلاش ها در جهت پیش بینی قیمت ها برای یک دوره جلوتر با استفاده از تحلیل تکنیکی و تحلیل بنیادی در چارجوب مدل های ریاضی و هوش مصنوعی قرار می گیرند. در همین راستا در پژوهش پیش رو به تلفیق تحلیل تکنیکی، تحلیل به وسیله مدل های سری زمانی و داده کاوی پرداخته و برای اولین بار به پیش بینی دو قیمت برای دوره آینده می پردازیم. مدل های مذکور در قالب شبکه عصبی با یکدیگر تلفیق شده و نتایج نشان دهنده برتری عملکرد شبکه عصبی نسبت به مدل رگرسیون چند متغیره و مدل های سری زمانی دارند.
کلمات کلیدی : پیش بینی؛ شبکه عصبی؛ داده کاوی؛ سری زمانی؛ تحلیل تکنیکی؛ رگرسیون چند متغیره

فهرست مطالب
فصل اول : کلیات تحقیق 1
1-1- مقدمه 2
1-2- نظریه کارایی بازار سرمایه 3
1-3- ابعاد مختلف بازار سرمایه و ابزارهای پیش بینی 5
1-4- پژوهش‌های مشابه 9
1-5- ضرورت انجام تحقیق و اهمیت تحقیق 13
1-6- اهداف تحقیق 14
1-7- ساختار تحقیق 14
فصل دوم : ادبیات تحقیق 15
2-1- مقدمه 16
2-1-1- تحلیل تکنیکی 17
2-1-2- تحلیل بنیادین 18
2-1-3- تحلیل توسط مدل‌های علمی 19
2-2- آیا بازار سرمایه پیش بینی پذیر است؟ 22
2-2-1- نظریه کارایی بازار سرمایه 22
2-2-2- فروض نظریه کارایی بازار 28
2-2-3- انتقادات وارد شده به نظریه کارایی بازار سرمایه 29
2-2-4- پاسخ نظریه کارا 30
2-2-5- نتیجه گیری 31
2-3- داده کاوی 32
2-3-1- مقدمه 32
2-3-2- مفهوم داده کاوي 33
2-3-4- اهداف داده کاوی 36
2-3-5- داده کاوي و رابطه آن با علم آمار 41
2-4- شبکه عصبی 43
2-4-1- معرفی: 43
2-4-2- کاربرد شبکه های عصبی 44
2-4-3- تعریف پایه شبکه های عصبی 44
2-4-4- ویژگی های شبکه عصبی 46
2-5- تحلیل تکنیکال 59
2-5-1- مقدمه: 59
2-5-2- اندیکاتورهای تحلیل تکنیکال 60
2-6- مرور پژوهش های مشابه 63
2-6-1- کاربرد شبکه عصبی در پیش بینی قیمت سهام 63
2-6-2- کاربرد شبکه عصبی در تعیین استراتژی مبادله سهام 70
2-6-3- کاربرد داده کاوی در بازار سهام 75
2-6-4- کاربرد شبکه عصبی و داده کاوی در پیش بینی قیمت سهام 77
فصل سوم : روش تحقیق 81
3-1- مقدمه 82
3-2- جمع آوری داده ها 85
3-3- پیش پردازش داده ها 85
3-3-1- کاهش سطری داده ها 86
3-3-2- ساخت اطلاعات مورد نیاز 88
3-3-3- انتخاب داده ها و کاهش ستونی 93
3-4- طراحی شبکه عصبی برای پیش بینی قیمت سهم 95
3-4-1- ساختار شبکه 95
3-4-2- الگوریتم یادگیری 97
3-4-3- توابع فعال سازی 98
3-5- مدل های رقیب و معیارهای سنجش 98
3-6- جمع بندی 98
فصل چهارم : نتایج عددی 99
4-1- مقدمه 100
4-2- جمع آوری داده ها و تشکیل پایگاه داده 100
4-3- پیش پردازش داده ها 101
4-3-1- کاهش سطری داده ها 101
4-3-2- ساخت اطلاعات مورد نیاز 103
4-3-3- انتخاب داده ها و کاهش ستونی پایگاه داده 109
4-4- طراحی شبکه عصبی 115
4-5- اجرای شبکه عصبی و مقایسه نتایج 116
4-6- جمع بندی 121
فصل پنجم : نتیجه گیری 122
5-1- مقدمه 123
5-2- جمع بندی تحقیق 123
5-3- نتایج و نوآوری های تحقیق 124
5-4- پیشنهادات برای تحقیقات آتی 125

فهرست جدول ها
جدول 2-1 : توابع فعالسازی نرون های مختلف در شبکه های عصبی 49
جدول 4-2 : شرح اندیکاتورهای معروف تحلیل تکنیکال 61
جدول 4-2 : شرح اندیکاتورهای معروف تحلیل تکنیکال : ادامه جدول 62
جدول 3-1 : صنایع و شرکت های انتخاب شده جهت انجام پژوهش 85
جدول 3-2 : اندیکاتورهای به کار رفته در پژوهش 89
جدول 4-1 : تغییرات تعداد رکوردهای پایگاه های ساخته شدن پس از حذف داده های مغشوش 102
جدول 4-2 : تغییرات تعداد رکوردهای پایگاه های ساخته شده، پس از حذف داده های پرت 103
جدول 4-3 : سری های زمانی ساخته شده توسط اندیکاتورهای تحلیل تکنیکال 104
جدول 4-4 : بهترین lag شرکت های حاضر در صنعت بانک و مؤسسات مالی با بانک پارسیان 105
جدول 4-5 : بهترین lag شرکت های حاضر در صنعت شیمیایی با صنایع شیمیایی فارس 106
جدول 4-5 : بهترین lag شرکت های حاضر در صنعت شیمیایی با صنایع شیمیایی فارس : ادامه جدول 107
جدول 4-6 : بهترین lag شرکت های حاضر در صنعت فلزات اساسی با فولاد مبارکه اصفهان 107
جدول 4-6 : بهترین lag شرکت های حاضر در صنعت فلزات اساسی با فولاد مبارکه اصفهان : ادامه جدول 108
جدول 4-7 : تغییرات تعداد رکوردهای پایگاه های ساخته شده، پس از حذف داده های مغشوش اندیکاتورها 109
جدول 4-8 : اندیکاتورهای انتخاب شده توسط روش رگرسیون پله ای برای ورود به شبکه عصبی 110
جدول 4-9 : دسته بندی اندیکاتورهای مشابه 111
جدول 4-10 : اندیکاتورهای انتخاب شده از دسته ها برای ورود به شبکه عصبی 111
جدول 4-11 : داده های تخصیص داده شده به شبکه عصبی در هر پایگاه 116
جدول 4-12 : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام بانک پارسیان 120
جدول 4-13 : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام صنایع شیمیای فارس 120
جدول 4-14 : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام فولاد مبارکه اصفهان 121

فهرست شکل ها
شکل 1-1 : دسته بندی کلی تحلیل های کاربردی در بازار سرمایه 21
شكل2-2 : ساختار شبكه عصبي پيش رو (غير بازگشتي) باسه لايه ،لايه ورودي ، لايه مياني و لايه خروجي 45
شكل2-3 : ساختار شبكه عصبي برگشتي با سه لايه ، لايه هاي دوم و سوم برگشتي مي باشند. 45
شکل 2-4 : مدل یک نرون خطی و غیرخطی(خطی یا غیر خطی بودن به نوع تابع فعال ساز بستگی دارد) 47
شکل2-5 : نحوه عملکرد بایاس در خروجی ترکیب کننده خطی 48
شکل 2-6 : توابع فعالسازی(الف) حدآستانه، (ب) خطی تکه‌ای، (ج) سیگموئید تک قطبی، (د)گوسین، (ه) خطی (و) سیگموئید دوقطبی 50
شکل 2-7 : شبکه پیشرو با یک لایه فعال (خروجی) 51
شکل 2-8 : شبکه عصبی پیشرو با یک لایه مخفی و یک لایه خروجی 52
شکل 2-9 : شبکه عصبی بازگشتی بدون حلقه خودپسخور و نرون‌های میانی 53
شکل 2-10 : شبکه بازگشتی با نرونهای مخفیبا حجم حافظه بالاتر 54
شکل 2-11 : یک شبکه عصبی با سه نرون و دولایه فعال 56
شکل 3-1 : شمای کلی مراحل انجام تحقیق 84
شکل 3-1 : شباهت سری های سفید و سیاه با در نظر گرفتن lag 92
شکل 4-1 : قیمت های بسته شدن سهام بانک پارسیان و بانک کارآفرین 113
شکل 4-2 : قیمت های بسته شدن سهام پتروشیمی خارک و صنایع شیمیایی فارس 114
شکل 4-3 : قیمت های بسته شدن سهام فولاد مبارکه اصفهان و فولاد خوزستان 115
شکل 4-4 : شبکه عصبی ساخته شده توسط نرم افزار متلب 116
شکل 4-5 : قیمت های پایین پیش بینی شده و واقعی برای سهام بانک پارسیان 117
شکل 4-6 : قیمت های بالای پیشش بینی شده و واقعی برای سهام بانک پارسیان 117
شکل 4-7 : قیمت های پایین پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس 118
شکل 4-8 : قیمت های بالای پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس 118
شکل 4-9 : قیمت های پایین پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان 119
شکل 4-10 : قیمت های بالای پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان 119

فصل اول
کلیات تحقیق

مقدمه
عدم قطعیت در بازار سرمایه به معنای تفاوت مقادیر مورد انتظار و مقادیری است که در واقعیت اتفاق می‌افتند. طراحی روش‌های تحلیل و پیش‌بینی مختلف در بازار سرمایه نیز به دلیل بالا بودن این مقدار و نیاز به دانستن قیمت‌ها در آینده با قطعیت بیشتر یا عدم قطعیت کمتر بوده است. برای کسب سود در بازار سرمایه، سرمایه‌گذاران همواره به دنبال پیدا کردن سهم مناسب جهت سرمایه‌گذاری و قیمت مناسب برای خرید و فروش بوده‌اند و لذا تمام مدل‌های پیش بینی مطرح شده همواره به دنبال پاسخ دادن به سه سؤال اساسی بوده‌اند؛ چه سهمی، در چه محدوده زمانی و در چه قیمتی خریداری شود و یا به فروش برسد. قبل از بررسی پاسخ‌های داده شده به این سؤالات، باید به سؤال جدی‌تری پاسخ داد. از جمله اینکه آیا پیش بینی بازارهای مالی ممکن است؟!
همچنین، در ادامه باید به این موضوع پرداخته شود که در صورت پیش بینی پذیر بودن بازار سرمایه، باید به بررسی ابعاد مختلف بازار سرمایه و متدهایی که در هر زمینه برای پیش بینی ارائه شده است، پرداخت. در ادامه باید بررسی کرد که چه متدهایی کارایی لازم برای این پیش‌بینی را دارند و آیا ترکیب این متدها به صورت کلی ممکن است یا خیر. در ادامه خواهیم دید که می‌توان ابزار به کار گرفته شده در پیش بینی تمام ابعاد بازار سرمایه را در سه دسته کلی متدهای تکنیکال، متدهای بنیادین و متدهای ریاضی، شامل متدهای کلاسیک سری زمانی و رگرسیون و متدهای هوش مصنوعی قرار داد.
در این پژوهش،

پایان نامه
Previous Entries دانلود پایان نامه درباره فراوانی تجمعی، توزیع فراوانی پاسخگویان، توزیع فراوانی Next Entries بازار سرمایه، قیمت سهام، هوش مصنوعی