دانلود مقاله سیستم خبره منطق فازی پیش بینی قیمت سهام

دانلود مقاله سیستم خبره منطق فازی پیش‌بینی قیمت سهام، یکی از اصولی‌ترین و کامل‌ترین مقاله‌های سیستم خبره محسوب می‌شود. این مقاله از قوانین منطق فازی استفاده می‌کند. تمامی قواعد مربوط به یک مقالهٔ علمی را در حد مقالات ISI رعایت کرده است.

عنوان مقاله : سیستم خبره پیش‌بینی قیمت سهام و بهینه‌سازی سبد سهام با استفاده از شبکه‌های عصبی فازی، مدل‌سازی فازی و الگوریتم ژنتیک | تعداد صفحات : ۲۴ | فرمت : PDF | چکیده : دارد | مقدمه : دارد | منابع : دارد

توجه : این مقاله از جذاب‌ترین مقاله‌های منطق فازی، الگوریتم ژنتیک و شبکه‌های عصبی در سیستم خبره می‌باشد.

مقدمه مقاله سیستم خبره منطق فازی پیش‌بینی قیمت سهام

اهمیت سرمایه‌گذاری در بورس

سرمایه‌گذاری در بورس اوراق بهادار، همواره مورد علاقهٔ بسیاری از سرمایه‌گذاران بوده است. بازدهی بالا، مهم‌ترین دلیل استقبال از خرید سهام عادی محسوب می‌شود. البته سهام عادی نوسان‌پذیری بیشتری نیز دارند. افزایش سود و کاهش ریسک، همیشه دغدغهٔ اصلی سرمایه‌گذاران بوده است.

سبد سهام و مسئله بهینه‌سازی

برای کاهش ریسک، سرمایه‌گذاری در سبد سهام را پیشنهاد کرده‌اند. سبد سهام یا پرتفوی، ترکیبی مناسب از اوراق بهادار ریسک‌دار است. سرمایه‌گذاران این ترکیب را خریداری می‌کنند. اگر اوراق بهادار ریسک‌دار باشند، سرمایه‌گذار باید اوراقی را انتخاب کند که مطلوبیت آن حداکثر است. این مسئله معادل انتخاب سبد سهام بهینه از بین سبدهای ممکن است. به این موضوع، «مسئله انتخاب سبد سهام» می‌گویند.

بهینه‌سازی سبد سهام، یکی از مهم‌ترین حوزه‌های تحقیقاتی در مدیریت ریسک نوین است. مدل میانگین-واریانس مارکویتز، یکی از اصلی‌ترین کارها در این زمینه محسوب می‌شود. این مدل یک موازنه بین دو معیار متضاد میانگین و واریانس ایجاد می‌کند. میانگین نشان‌دهندهٔ بازده و واریانس نشان‌دهندهٔ ریسک سبد سهام است.

مفروضات و محدودیت‌های مدل میانگین-واریانس

مدل استاندارد میانگین-واریانس بر دو فرض استوار است. فرض اول، ریسک‌گریز بودن سرمایه‌گذار است. فرض دوم، نرمال بودن توزیع نرخ بازده یا درجهٔ دوم بودن تابع مطلوبیت سرمایه‌گذار می‌باشد. جیا و دایر نشان دادند که این شرایط به ندرت در عمل برقرار می‌شوند. ممکن است تابع هدف میانگین-واریانس بهترین گزینه نباشد. بنابراین، پژوهش‌های بسیاری برای بهبود این مدل انجام شده است. معیارهای ریسک گوناگونی نیز پیشنهاد شده‌اند.

ساموئلسون نشان داد که گشتاورهای بالاتر برای سرمایه‌گذاران اهمیت دارند. سرمایه‌گذاران معمولاً سبدی را انتخاب می‌کنند که چولگی (گشتاور سوم) بزرگتری دارد. چولگی مثبت، نشان‌دهندهٔ کاهش ریسک نامطلوب است. تحقیقات نشان می‌دهند که بازدهی پرتفوی‌ها معمولاً غیرنرمال هستند. سرمایه‌گذاران پرتفویی را ترجیح می‌دهند که در شرایط برابری میانگین و واریانس، از درجهٔ عدم تقارن بالاتری برخوردار باشد.

رویکردهای محاسباتی هوشمند

مسئله انتخاب سبد سهام، یک مسئله NP-Complete محسوب می‌شود. این مسئله، محدودیت‌های متنوع و اغلب متعارضی را در نظر می‌گیرد. بسیاری از تحقیقات نشان داده‌اند که تکنیک‌های محاسباتی هوشمند مفید هستند. الگوریتم ژنتیک و شبکه‌های عصبی مصنوعی از جمله این تکنیک‌ها می‌باشند. آنها به بهبود حل این گونه مسائل کمک می‌کنند.

چکیده مقاله سیستم خبره منطق فازی پیش‌بینی قیمت سهام

دغدغه اصلی سرمایه‌گذاران

افزایش سود و کاهش ریسک سرمایه‌گذاری در بورس، همیشه دغدغهٔ اصلی سرمایه‌گذاران بوده است. آنها همواره به دنبال بهترین پیشنهاد برای خرید سهام هستند. هدف آنها، داشتن بیشترین بازده و کمترین ریسک است. تحقیقات زیادی در این زمینه انجام شده است. مدل میانگین-واریانس مارکویتز، یکی از اصلی‌ترین کارهای این حوزه شناخته می‌شود.

لزوم توجه به معیارهای تکمیلی

علیرغم اهمیت این مدل، پژوهشگران محدودیت‌هایی را بیان کرده‌اند. با توجه به ماهیت بازارهای مالی کنونی، واریانس ممکن است بهترین معیار ریسک نباشد. بهتر است معیارهای دیگری مانند چولگی را نیز در نظر بگیریم. از سوی دیگر، یک برنامهٔ سرمایه‌گذاری باید گذشته و آیندهٔ سهام را مد نظر قرار دهد. این موضوع، اهمیت پیش‌بینی قیمت سهام را آشکار می‌سازد.

مدل پیشنهادی و نتایج

این پژوهش مدلی ارائه می‌دهد که پتانسیل آتی سهام را پیش‌بینی می‌کند. شبکه‌های عصبی فازی این پیش‌بینی را انجام می‌دهند. بر اساس این پیش‌بینی‌ها، مدل‌های ریاضی بهینه‌سازی را ارائه می‌دهیم. این مدل‌ها بر اساس فاکتورهایی مانند میانگین، واریانس و چولگی طراحی شده‌اند. سپس با استفاده از الگوریتم ژنتیک، این مدل‌ها را حل می‌کنیم. نتایج نشان می‌دهند که مدل‌های ارائه‌شده، بازدهی بالاتری برای سرمایه‌گذاران فراهم می‌کنند. این برتری را در مقایسه با روش‌های سنتی و شاخص بازار مشاهده کرده‌ایم.