دوره 2، شماره 8 - ( 6-1391 )                   سال2 شماره 8 صفحات 119-140 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Naderi E, Abbasi-Nejad H. Chaos Analysis, Wavelet Decomposition and the Performance of Neural Network Models in Forecasting Tehran Stock Exchange Index. jemr. 2012; 2 (8) :119-140
URL: http://jemr.khu.ac.ir/article-1-508-fa.html
نادری اسماعیل، عباسی نژاد حسین. تحلیل آشوب، تجزیۀ موجک و شبکۀ عصبی در پیش‌بینی شاخص بورس تهران. فصلنامه تحقیقات مدل سازی اقتصادی. 1391; 2 (8) :119-140

URL: http://jemr.khu.ac.ir/article-1-508-fa.html


چکیده:   (7796 مشاهده)

  این مطالعه برای پیش‌بینی بازدهی شاخص قیمت و بازده نقدی بورس اوراق بهادار تهران، آشوب را تحلیل و پیش‌بینی‌پذیری را بررسی کرده و نیز عملکرد انواع مدل ‌ های شبکۀ عصبی را با کمک داده‌های تجزیه‌شده با روش موجک ارزیابی کرده است. به‌همین منظور، از داده ‌ های سری‌زمانی روزانه و سری بازدهی شاخص قیمت و بازده نقدی بورس طی دورۀ زمانی ۵ فروردین ‌۱۳۸۸ تا ۱۸ اردیبهشت ۱۳۹۱ استفاده شده است. براساس نتایج این مطالعه، سری بازدهی بورس در دورۀ بررسی‌شده، پیش‌بینی‌پذیر بوده و آثار غیرخطی معیّن و آشوبی داشته است. همچنین برطبق معکوس آمارۀ حداکثر نمای لیاپانوف، تعداد روز‌های پیش‌بینی‌پذیر در این مطالعه، ۳۱ روز به‌دست آمد. یافتۀ دیگر این پژوهش نیز به برتری عملکرد مدل ‌ های شبکۀ عصبی چندلایۀ پیش‌خور ( MFNN ) و شبکۀ عصبی فازی ( ANFIS ) مبتنی‌بر داده ‌ های تجزیه‌شده به کمک تجزیۀ موجک در ­ مقابل به‌کارگیری سطح داده‌ها دلالت دارد. در­این‌بین نیز برتری با مدل شبکۀ عصبی چندلایۀ پیش‌خور بوده است.

متن کامل [PDF 704 kb]   (4020 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: پولی و مالی
دریافت: ۱۳۹۱/۴/۲۴ | پذیرش: ۱۳۹۱/۸/۲۲

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصلنامه تحقیقات مدلسازی اقتصادی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2018 All Rights Reserved | Journal of Economic Modeling Research

Designed & Developed by : Yektaweb