الگوریتم ترکیبی درونیابی فراکتالی و رگرسیون بردار پشتیبان برای پیش بینی تغییرات قیمت سهام در بورس اوراق بهادار تهران [پايان نامه فارسي]
محمد مهدی بذرافشان
| شناسگر رکورد: | ۲۰۹۴۲ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | الگوریتم ترکیبی درونیابی فراکتالی و رگرسیون بردار پشتیبان برای پیش بینی تغییرات قیمت سهام در بورس اوراق بهادار تهران |
| نويسنده: | محمد مهدی بذرافشان |
| استاد راهنما : | دکتر رباب کلانتری |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۱ |
| چکیده: | بسیاری از مطالعات نشان داده¬اند که بازار سهام در اصل یک سیستم پویای غیرخطی پیچیده بوده و بنابراین برخی از روش¬های ریاضی برای مطالعه ویژگیهای پیچیده بازار استفاده شده است. به منظور حل مشکل پیش¬بینی شاخص¬های قیمت سهام، بسیاری از تحلیلگران و محققان بازار از نظریه¬ها و روشهای مختلف غیرخطی برای تجزیه و تحلیل بازار سهام و پیشبینی استفاده کردهاند. بنابراین هدف از این پژوهش ترکیب رگرسیون بردار پشتیبان و درونیابی فراکتالی جهت پیشبینی تغییرات قیمت سهام در طول روز است. برای افزایش ریزبینی دادهها، از یک روش درونیابی فراکتالی برای مجموعه دادههای قیمتی در طول روز استفاده میشود. در این پژوهش از داده¬های قیمت معاملات روزانه ۱۰ شرکت پذیرش شده در بورس تهران طی مهرماه سال ۱۴۰۰ به عنوان نمونه استفاده شده است. علت استفاده از دادههای این بازه زمانی وجود دادههای از دست رفته کمتر نسبت به دورههای زمانی دیگر است. به منظور ارزیابی عملکرد الگوریتم ترکیبی SVR-درونیابی فراکتالی، از آزمون t-زوجی استفاده میشود. به صورت دقیقتر، الگوریتم SVR با کرنل خطی و گوسی به ازای ترکیبات مختلف از پارامترهای C و ε (۲۵ ترکیب مختلف) در دو حالت استفاده و عدم استفاده از درونیابی فراکتالی برای هر شرکت اجرا شده است. برای استفاده از SVR بدون درونیابی از دادههای یک دقیقهای قیمت معاملات سهام استفاده شده است. همچنین برای استفاده از SVR با درونیابی از دادههای پنج دقیقهای قیمت معاملات سهام استفاده شده و پس از پیشبینی قیمتهای پنجدقیقهای معاملات توسط الگوریتم SVR، قیمتهای یک دقیقهای توسط درونیابی فراکتالی پیشبینی شده است. بنابراین، آزمون t-زوجی برای مقایسه مقادیر ضریب تعیین به دست آمده از دو روش مورد نظر اجرا شده است. نتایج به دست آمده از استفاده از روش SVR-درونیابی فراکتالی برای ۱۰ شرکت مورد بررسی نشان میدهد که برای ۷ مورد از ۱۰ شرکت مورد بررسی نوعی از کرنل (خطی یا گوسی) وجود دارد که با استفاده از آن، مدل SVR-درونیابیفراکتالی پیشنهادی بهتر از مدل SVR ساده عمل نماید. در ۳ شرکت دیگر (برای شرکت شماره ۱، شرکت شماره ۲ و شرکت شماره ۴) میتوان با انتخاب کرنل مناسب مانع از افت عملکرد الگوریتم SVR-درونیابیفراکتالی پیشنهادی شد (اگر چه بهبودی هم حاصل نشود). این نتایج نشان میدهد که الگوریتم SVR-درونیابیفراکتالی پیشنهادی دارای قدرت قابل قبولی جهت بهبود کیفیت پیشبینیها نسبت به الگوریتم SVR ساده است. واژههای کلیدی: درونیابی فراکتالی، رگرسیون بردار پشتیبان، ریزدانگی داده |
| شماره ثبت | نسخه | جلد | بخش | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|
| 284348 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید