انتخاب ویژگی به روش آزمون T در پیش بینی شاخص سهام در بورس اوراق بهادار تهران
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 827
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMBA01_080
تاریخ نمایه سازی: 16 اسفند 1394
Abstract:
پیش بینی سری های زمانی از دیرباز یکی از موضوعات داغ و چالش برانگیز درعلم اقتصاد بوده است و با پیشرفت روزافزون علم، این حوزه نیز دستخوش تغییرات بسیاری قرار گرفته است. کما اینکه امروزه در پیش بینی سری های زمانی روش های آماری جای خود به روش های هوش مصنوعی داده اند. پیش بینی قیمت سهام نیز همواره خاستگاه بازیگران بازار بوده است و سرمایه گذاران به دنبال این بوده اند که با پیش بینی دقیق تر قیمت سهام سود بیشتری کسب نمایند. استفاده از الگوریتم های هوش مصنوعی در پیش بینی قیمت سهام با توجه به عملکرد برتر آنها نسبت به مدل های آماری رواج بسیاری یافته است، اما بسیاری از محققان بر این باورند که برای افزایش دقت پیش بینی در مدل های هوش مصنوعی، حذف متغیرهای بی ربط از مدل اجتناب ناپذیر است. فرآیند انتخاب یک زیرمجموعه مناسب از متغیرها و حذف متغیرهای بی ربط را انتخاب ویژگی می نامند. در این مطالعه به دنبال آن هستیم تا با استفاده از یکی از روش های برتر انتخاب ویژگی که آزمون T نام دارد، بتوانیم تا حد زیادی عملکرد مدل های هوش مصنوعی را بهبود ببخشیم. بدین منظور شاخص روزانه کل قیمت سهام و شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران را طی یک دوره 6 ساله از ابتدای سال 1388 تا ابتدای سال 1394 را مدنظر قرار دادیم، که نماگرهای تکنیکال مربوط به شاخص به عنوان متغیرهای ورودی مدل و جهت حرکت شاخص به عنوان متغیرخروجی مدل تعیین شده است. نتایج این پژوهش نشان می دهد که مدل های هوش مصنوعی هنگام استفاده از الگوریتم انتخاب ویژگی T ، نسبت مدل های ساده بدون انتخاب ویژگی عملکرد بهتری دارند.
Keywords:
Authors
مهدی خرم
کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
آرین دخت شاه میرزا
کارشناس مهندسی برق کنترل، دانشکده برق و کامپیوتر، دانشگاه شیراز، شیراز، ایران
امین کریمی علویجه
کارشناس ارشد مدیریت مالی، دانشکده مدیریت، دانشگاه علامه طباطبایی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :