وبلاگ

فصل اول کلیات تحقیق 1-1: مقدمه پیش بینی و بررسی رفتار قیمت اوراق بهادار مقوله ای است که دانشمندان علوم مالی و سرمایه گذاران همواره در پی بهینه سازی آن می باشند. در عصر حاضر با توجه به پیشرفت فن آوری در زمینه علوم کامپیوتر و فراگیر شدن آن در علوم مختلف، زمینه های استفاده از شبکه های عصبی مصنوعی با توجه به سرعت بسیار بالای پردازش در کامپیوترها به وجود آمده است. این شبکه ها با استفاده از قابلیت یادگیری خود هر گونه تغییری در قوانین نهفته در سری های زمانی را فرا گرفته و برای پیش بینی آینده از آن استفاده می کنند(حیدری زارع و کردلویی، 1389). رشد اقتصادی مداوم و پایدار در هر اقتصادی مستلزم تجهیز و تخصیص بهینه منابع در سطح اقتصاد ملی میباشد (مهرآرا و همکاران، 1388). در ادبیات اقتصادی سرمایه به منزله رگ حیات یک نظام اقتصادی تلقی ‌شده و بر تشکیل آن به عنوان مهمترین عامل تعیین کننده رشد و توسعه اقتصادی تأکید زیادی شده‌است. اساساً میزان رشد و توسعه اقتصادی از یک سو در گرو انباشت سرمایه بوده و از سوی دیگر به عامل بهره‌وری در فعالیتهای اقتصاد بستگی دارد. این دو عامل اساسی به چگونگی فرآیند سرمایه‌گذاری بستگی دارد(موتمنی، 1388). بنابراین و با توجه به این نکته که، «یکی از مهمترین وظایف بازارهای مالی، تسهیل تشکیل سرمایه می باشد»، بازارهای سرمایه و از جمله آنها بورس اوراق بهادار، به خوبی میتواند از عهده هر دو وظیفه اشاره شده (انباشت سرمایه و افزایش بهره وری اقتصادی) به خوبی برآید(سعیدی، 1388). در این بین، پیش بینی نیز به عنوان یکی از عناصر کلیدی تصمیم‏گیری‏های اقتصادی، پیشامدهای آینده را با هدف کاهش ریسک تخمین می‏زند(حیدری زارع و کردلوئی، 1389). افزون بر این، وجود خطای پیش بینی در بکارگیری مدلهای مختلف طبیعی بوده و بالطبع مدلی ارجح تر است که از میزان خطای پیش بینی کمتری برخوردار باشد و لازمه این امر، وجود اطلاعات هر چه بیشتر درباره اجزاء مختلف سیستم مورد بررسی می باشد، که در بسیاری از موارد دسترسی به این اطلاعات بسیار سخت و گاهی ناممکن می باشد. در چنین شرایطی به منظور استمرار حضور سرمایه‏گذاران به عنوان‏ اصلی‏ترین ارکان بازار سرمایه، داشتن یک مدل پیش بینی مناسب سبب تخصیص بهینه منابع‏ و در نتیجه افزایش کارایی در این بازار می‏شود. از اینرو، بکارگیری مدلهای «سری زمانی تک متغیره» در قالب تحلیل تکنیکی میتواند پاسخی به این محدودیت باشد. تحقیقات نشان می‏دهد اگر بتوان فرایند مولد داده‏های یک متغیر (خطی یا غیرخطی) را به‏ دست آورد پیش بینی آن متغیر راحت‏تر و با خطای کمتری امکان‏پذیر خواهد بود(مشیری‏ و فروتن، 1383). اگرچه مدل‏های خطی پیشرفته پیش بینی‏های مناسبی در دوره‏های زمانی‏ میان‏مدت و کوتاه‏مدت دارند، اما بررسی‏ها در بازار سرمایه نشان داده است که رفتار سهام‏ از یک الگوی خطی تبعیت نمی‏کند و الگوهای خطی تنها بخشی از رفتار سهام در بازار را نشان می‏دهد(مشیری و مروت، 1385). در این صورت وجود یک سیستم پویای غیرخطی در ارتباط با رفتار بازار مدل‏های موجود را عملاً دچار ابهام خواهد کرد. لذا پیش بینی‏ داده‏هایی که از این سیستم پیروی می‏کنند، نیازمند ابزارهای هوشمند و پیشرفته‏ای مانند شبکه‏های عصبی است. این شبکه‏ها به عنوان یکی از سیستم‏های هوشمند، می‏تواند رابطه‏ غیرخطی بین ورودی‏ها و خروجی‏ها را براساس مجموعه داده‏ها، تشخیص و روابط بنیادین‏ بین آنها را شناسایی نماید(البرزی و همکاران، 1388). در همین راستا پژوهش حاضر در تلاش است تا با استفاده از شبکه های عصبی مصنوعی به ادامه مطلب سایت های دیگر : رفتار فرهنگی : دانلود پایان نامه ، پروژه ، سمینار ، پروپوزال رفتار فرهنگی پیش بینی قیمت و بازده سهام در میان شرکتهای پذیرفته شده در بورس اوراق بهادار