مشخصات مقاله | |
عنوان مقاله | A bat-neural network multi-agent system (BNNMAS) for stock price prediction: Case study of DAX stock price |
ترجمه عنوان مقاله | مطالعه سیستم های شبکه عصبی خفاشی در پیش بینی قیمت سهام: مطالعه موردی در قیمت سهام DAX |
فرمت مقاله | |
نوع مقاله | ISI |
سال انتشار | مقاله سال 2015 |
تعداد صفحات مقاله | 15 صفحه |
رشته های مرتبط | اقتصاد و مهندسی کامپیوتر |
گرایش های مرتبط | مهندسی الگوریتم ها و محاسبات، هوش مصنوعی، برنامه ریزی سیستم های اقتصادی و اقتصاد مالی |
مجله | محاسبات نرم کاربردی – Applied Soft Computing |
دانشگاه | گروه مدیریت، علم و فناوری، دانشگاه صنعتی امیر کبیر، تهران، ایران |
کلمات کلیدی | پیش بینی قیمت، الگوریتم خفاشی، شبکه عصبی مصنوعی، سیستم های چندگانه، تحلیل های اساسی، قیمت سهام DAX |
کد محصول | 7794 |
نشریه | نشریه الزویر |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
خرید ترجمه این مقاله | خرید ترجمه این مقاله |
بخشی از متن مقاله: |
چکیده
ایجاد یک سیستم هوشمند که بتواند با دقت به پیش بینی قیمت سهام ها در بازارهای مالی بپردازد، دارای طرفدارهای بسیاری در این بازارها است. پیش بینی روند مالی در آینده و با توجه به بحران های مالی حال حاضر امروری ضروری و مهم به نظر می رسد. بنابراین، معامله کنندگان در بازارها احتیاج به یک موتور قدرتمند برای استخراج اطالعات مفید از داده های خام برای رسیدن به موفقیت هستند. در این مقاله روشی هوشمند در چارچوب روش جدید چند عامله خفاش – شبکه عصبی برای پیش بینی قیمت سهام ارائه شده است. این مدل در 4 لایه و برای پیش بینی 8 سال از قیمت سهام در دوره های سه ماهه مطرح شده است. قابلیت این مدل استفاده از داده های اساسی و فنی قیمت سهام های DAX و مقایسه این داده ها با روش هایی شبکه عصبی، الگوریتم ژنتیک، شبکه عصبی رگرسیون و … که مدل ارزیابی و آزمایش شده و برای دوره های مالی آینده می توان پیش بینی های مالی انجام داد. نتایج نشان می دهد داده های حاصل از مدل بسیار دقیق و قابل اعتماد هستند و می توان از ان ها به عنوان یک ابزار مناسب برای پیش بینی داده ها و ارزها و قیمت ها در دوره های بعدی استفاده کرد. |