دانلود مقاله سیستم خبره منطق فازی پیش بینی قیمت سهام

دانلود مقاله سیستم خبره منطق فازی پیش بینی قیمت سهام ، یکی از اصولی ترین و کامل ترین مقاله های سیستم خبره میباشد که از قوانین منظق فازی استفاده میکند این مقاله تمامی قوانین مربوط به یک مقاله را در حد مقالات isi رعایت کرده است عنوان مقاله : سیستم خبره پیش بینی قیمت سهام و بهینه سازی سبد سهام با استفاده از شبکه های عصبی فازی، مدل سازی فازی و الگوریتم ژنتیک | تعداد صفحات : ۲۴ | فرمت مقاله : pdf | چکیده مقاله : دارد | مقدمه مقاله : دارد | منابع و ماخذ : دارد

توجه : این مقاله از جذاب ترین مقاله های منطق فازی ، الگوریتم ژنتیک و شبکه های عصبی در سیستم خبره میباشد.

مقدمه مقاله سیستم خبره منطق فازی پیش بینی قیمت سهام

مقاله سیستم خبره منطق فازی پیش بینی قیمت سهام ، سرمایه گذاری در بورس اوراق بهادار، به عنوان یکی از ابزارهای مالی، همواره مورد علاقهای بسیاری از سرمایه گذاران بوده است. مهمترین دلیل استقبال سرمایه گذاران از خرید سهام عادی، بازدهی بالای ان است. هرچند، سهام عادی نوسان پذیری بیشتری را نیز نشان می دهند. از آنجا که افزایش میزان سود و کاهش ریسک سرمایه گذاری در بورس همیشه مهم ترین دغدغه سرمایه گذاران بوده است، در ادبیات مالی، برای کاهش ریسک ناشی از خود سهام، سرمایه گذاری در سبد سهام پیشنهاد شده است. سبد سهام یا پرتفوی، ترکیب مناسبی از اوراق بهادار ریسک دار است که یک سرمایه گذار آنها را خریداری می نماید اگر اوراق بهادار ریسک دار باشند، مسئله اصلی هر سرمایه گذار تعیین اوراق بهاداری است که مطلوبیت آن حداکثر است  . این مسئله معادل انتخاب سبد سهام بهینه از مجموعه سبدهای ممکن می باشد که تحت عنوان مسئله انتخاب سبد سهام نامیده می شود. مسئله بهینه سازی سبد سهام یکی از مهم ترین زمینه های تحقیقاتی در مدیریت ریسک نوین بوده است؛ یکی از اصلی ترین کارها در این زمینه، مدلی میانگین واریانس می باشد که توسط مارکویتز انجام شده است و آن را به عنوان یک موازنه بین دو معیار بهینه سازی متعارض میانگین و واریانسی در نظر گرفته که به ترتیب نمایانگر بازده و ریسک سبد سهام می باشند مدل استاندارد میانگین – واریانس بر این مفروضات استوار است که یک سرمایه گذار، ریسک گریز است و همچنین توزیع نرخ بازده، نرمال چند متغیره می باشد یا مطلوبیت سرمایه گذار، یک تابع درجه دوم از نرخ بازدهی می باشد. جیا و دایر بیان نمودند. این شرایط در عمل به ندرت ارضاء می شوند ممکن است تابع هدف میانگین – واریانس بهترین گزینه برای سرمایه گذاران نباشد و دیگر معیارهای ریسک، مناسب تر باشند. بنابراین پژوهش های بسیاری جهت بهبود این مدل پایه، چه از نظر محاسباتی و چه از نظر تئوری صورت گرفته است و معیارهای ریسک گوناگونی پیشنهاد شده است ساموئلسون نشان داد گشتاورهای بالاتر در انتخاب سبد سهام برای سرمایه گذاران اهمیت دارد و تقریباً تمامی آنها در انتخاب بین دو پرتفوی که میانگین و واریانس برابری دارند، سبدی را انتخاب می کنند که گشتاور سوم (چولگی) بزرگتری دارد؛ چولگی مثبت برای بازدهی سبد سهام بیانگر مقداری کاهش در ریسک نامطلوب است. تحقیقات انجام شده نشان می دهند که بازدهی پرتفویها معمولا غیرنرمال هستند و سرمایه گذاران ترجیح میدهند که پرتفویی را انتخاب نمایند که در شرایط برابری میانگین و واریانس، از درجه عدم تقارن بالاتری برخوردار باشد. همچنین آنها ترجیح می دهند از چولگی به عنوان معیاری برای ریسک در ارزیابی عملکرد استفاده کنند. مسئله انتخاب سبد سهام به عنوان یک مسئله تخصیص منابع که محدودیتهای متنوع و اغلب متعارضی را در نظر می گیرد، یک مسئله NP-Complete محسوب می شود. بسیاری از تحقیقات نشان داده که استفاده از تکنیکهای محاسباتی هوشمند نظیر الگوریتم ژنتیک و شبکه عصبی مصنوعی به بهبود حل این گونه مسائل میانجامد …

چکیده مقاله سیستم خبره منطق فازی پیش بینی قیمت سهام

مقاله سیستم خبره منطق فازی پیش بینی قیمت سهام ، سیستم خبره پیش بینی قیمت سهام و بهینه سازی سبد سهام با استفاده از شبکه های عصبی فازی، مدل سازی فازی و الگوریتم ژنتیک ، افزایش میزان سود و کاهش ریسک سرمایه گذاری در بورس همیشه مهمترین دغدغه سرمایه گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونهای که دارای بیشترین بازده و کمترین ریسک سرمایه گذاری باشد. تحقیقات زیادی در این رابطه انجام شده است و مدل ریاضی میانگین واریانس مارکویتز به عنوان یکی از اصلی ترین کارهای این حوزه شناخته می شود. علیرغم اهمیت این مدل چندین پژوهشی عنوان کردهاند که با توجه به ماهیت بازارهای مالی کنونی، واریانسی ممکن است بهترین گزینه ریسک سرمایه گذاران نباشد و بهتر است معیارهای دیگری چون چولگی نیز درنظر گرفته شود. از سوی دیگر ما معتقدیم که یک برنامه سرمایه گذاری مانند انتخاب سبد سهام نه تنها باید ماحصل گذشته سهام را در نظر داشته باشد بلکه بایستی پتانسیل آتی سهام را نیز مد نظر قرار دهد، که این امر اهمیت پیش بینی قیمت سهام برای سرمایه گذاران را آشکار میسازد. این پژوهش به دنبال ارائه مدلی است که در آن پتانسیل آتی سهام، توسط شبکه های عصبی فازی پیش بینی میشود و بر اساس پیش بینی های بدست آمده، مدل های ریاضی بهینه سازی بر مبنای فاکتورهایی چون میانگین، واریانس و چولگی سبد سهام ارایه می شود. سپس، این مدل ها با استفاده از الگوریتم ژنتیک حل می گردند. نتایج تحقیق بیانگر آن است که مدل های ارائه شده در این مقاله، در مقایسه با روشهای سنتی و شاخص بازار، بازدهی بالاتری را برای سرمایه گذاران فراهم می نماید.