دانلود پایان نامه

3-1- مقدمه 60
3-2- روش تحقيق 60
3-3- جامعه آماري و متغيرهاي تحقيق 61
3-3-1- جامعه آماري 61
3-3-2- متغيرهاي تحقيق 61
3-4- سوالات و فرضيههاي تحقيق 62
3-5- آماده سازي دادههاي ورودي 63
3-6- معرفي مدلهاي تحقيق 64
3-6-1- مدل سري زماني خطي ARIMA 65
3-6-2- شبكه پرسپترون چند لايه (MLP) 65
3-6-3-الگوريتم ژنتيك 71
3-6-4- استخراج قانون از شبكه عصبي 75
3-6-5-تبديل موجك 78
3-6-5-1-موجك مادر 79
3-7- معيارهاي ارزيابي عملكرد 83
3-8-خلاصه فصل 84

فصل چهارم: تجزيه و تحليل دادهها
4-1- مقدمه 86
4-2- آزمون فرضیه اول 86
4-3- آزمون فرضیه دوم 88
4-4- آزمون فرضیه سوم 90
4-5- آزمون فرضیه چهارم 94
4-6- آزمون فرضیه پنجم 96
4-7- خلاصه فصل 99
فصل پنجم: نتايج و پيشنهادات
5-1- مقدمه 101
5-2-مقايسه عملكرد مدلهاي پيش بيني 101
5-3- نتايج آزمون فرضيات 103
5-4- نتيجه گيري 104
5-5- محدوديتهاي تحقيق 106
5-6- پيشنهادات تحقيق 107
5-6-1- پيشنهادات براي سرمايهگذاران و متوليان بازار 107
5-6-2- پيشنهادات براي تحقيقات آتي 108
منابع و ماخذ 109
فهرست جداول
عنوان صفحه
جدول 4-1: نتایج ارزیابی عملکرد مدل ARIMA 87
جدول 4-2: پارامترهای ساختار شبکه نهایی MLP 88
جدول 4-3: نتایج ارزیابی عملکرد شبکه MLP 89
جدول 4-4: پارامترهای الگوریتم ژنتیک 92
جدول 4-5: قوانین استخراج شده از شبکه عصبی 92
جدول 4-6: نتایج ارزیابی عملکرد الگوریتم استخراج قانون 93
جدول 4-7: پارامترهای ساختار شبکه MLP 95
جدول 4-8: نتایج ارزیابی عملکرد مدل ترکیبی شبکه عصبی- ARIMA 95
جدول 4-9: پارامترهای ساختار شبکه MLP 97
جدول 4-10: پارامترهای الگوریتم ژنتیک مورد استفاده 97
جدول 4-11: مجموعه قوانین استخراج شده از مدل ترکیبی تبدیل موجک –شبکه عصبی 97
جدول 4-12: نتایج ارزیابی عملکرد الگوریتم استخراج قانون از مدلWNN 98
جدول 5-1: نتایج مقایسه روش های پیش بینی مورد استفاده 102
جدول 5-2: نتایج فرضیه های مطرح شده 103

فهرست تصاویر
عنوان صفحه
شکل 1-1: نمایش تبدیل فوریه 15
شکل 1-2: مفهوم فیلتر شدن یک سیگنال 17
شکل 1-3: مفهوم نمونه برداری با نرخ پایین 18
شکل 2-1: مفهوم ترکیب شدن 34
شکل 3-1: ساختار شبکه MLP 69
شکل 3-2: تبادل ژنتیکی 73
شکل 3-3: ساختار الگوریتم ژنتیک 74
شکل 3-4: مفهوم استخراج قانون از شبکه عصبی 75
شکل 3-5: الگوریتم ژنتیک فازی 77
شکل 3-6: موجک خانواده دبوچی 78
شکل 3-7: تجریه یک سیگنال بوسیله تبدیل موجک 79
شکل 3-8: ساختار مدل ترکیبی 80
شکل 4-1: مقایسه مقادیر واقعی و مقادیر پیش بینی مدلARIMA 87
شکل 4-2: مقایسه مقادیر واقعی و مقادیر پیش بینی مدلMLP 89
شکل 4-3: تابع عضویت متغیر شاخص قیمت 90
شکل 4-4: تابع عضویت متغیر شاخصS&P500 90
شکل 4-5: تابع عضویت متغیر قیمت طلا 91
شکل 4-6: تابع عضویت متغیر ارز دولتی 91
شکل 4-7: تابع عضویت متغیر قیمت سبد نفتی ایران 91
شکل 4-8: مقایسه مقادیر واقعی و مقادیر پیش بینی الگوریتم استخراج قانون 93
شکل 4-9: مقایسه مقادیر واقعی و مقادیر پیش بینی مدلWNN-ARIMA 96
شکل 4-10: مقایسه مقادیر واقعی و مقادیر پیش بینی الگوریتم استخراج قانون از مدلWNN 98
شکل 5-1: نمودار مقایسه روش های پیش بینی 102

1-1: مقدمه
رفع نا آگاهي از آينده از اصلي ترين دغدغه هاي خاطر انسان در طول تاريخ بوده است . آدمي هميشه به دنبال آن بوده كه از آينده خود آگاه شده و آن را به نحوي كه خود مي خواهد سازمان دهد. در ابتدا چون توان پيش بيني صحيح و قابل اطمينان فراهم نبود، انسان متوسل به نيروهاي فراطبيعي شد و آنگاه كه توانايي عقلايي بيشتري پيدا كرد، درصدد استفاده از اين توانايي برآمد و چون علم امكاناتي براي پيش بيني هاي او فراهم آورد، از اين دستاورد بهره جست.(قديري مقدم، 1388)
امروزه با رشد و توسعهي اقتصاد جهاني و رقابتي شدن آن، تصميم گيري درخصوص تخصيص بهينه منابع به مراتب بيش از پيش اهميت پيدا کرده است. از اين رو بازار بورس و اوراق بهادار به عنوان آينهي تمام نماي وضعيت اقتصادي کشورها و مکاني براي اينکه سرمايه گذاران بتوانند منابع و پس انداز خود را در آن سرمايه گذاري کنند، بيشترين توجه را به خود جلب کرده است.
تصميمات مربوط به آينده، همواره با ابهام و عدم اطمينان روبروست و کساني در رقابت پيروز مي شوند که بتوانند آينده را پيش بيني و حداقل اطلاعاتي در خصوص آن داشته باشند و بر اساس آن اقدام به تصميم گيري نمايند. با گسترش علم، امکان پيش بيني مطلوب آينده فراهم شده است. يکي از راه هاي کمک به سرمايه گذاران، ارائهي الگوهاي پيش بيني وضعيت بازار است. هرچه پيش بيني به واقعيت نزديک تر باشد، مبناي تصميمات صحيح تري قرار خواهد گرفت.
پيش بيني آينده در عرصه پوياي اقتصاد و بازار سرمايه يكي از مهمترين مسائل مورد بحث درعلوم مالي بوده است. معمولاً به منظور پيش بيني وقايعي كه در آينده اتفاق مي افتد به اطلاعات به دست آمده از رويدادهاي تاريخي اتكا مي شود .به اين ترتيب كه داده هاي گذشته تجزيه و تحليل مي گردد تا از آن الگويي قابل تعميم به آينده حاصل گردد، دراغلب روشهاي پيش بيني فرض بر اين است كه روابط بين متغيرها در آينده نيز ادامه خواهد داشت.(فلاح شمس، 1388)
بازار هاي مالي، به عنوان بخش
مهم اقتصاد هر كشور ، بدليل رابطه تنگاتنگ آن با ساختار اقتصادي، بسيار مورد توجه قرارگرفته اند. بورس اوراق بهادار نيز به عنوان يكي از مهمترين عناصر بازار سرمايه و توسعه اقتصادي هر كشور شناخته شده است. چرا كه اين بازار به عنوان پيش نيازي براي بسياري از تحولات بازرگاني و اقتصادي مورد توجه است. تامين مالي پروژه هاي مالي – سرمايه اي بلند مدت از محل پس اندازها و نقدينگي بخش خصوصي در مطلوبترين شكل ممكن از طريق بورس اوراق بهادار تحقق مي يابد.

1-2: بيان مساله
سرمایه گذاران حق دارند نسبت به آیندهی سرمایه گذاری خود نگران و حساس باشند، به این ترتیب به دنبال این هستند تا اطلاعاتی در مورد آینده بدست آورند. پیش بینی به سرمایه گذاران و تخصیص دهندگان منابع در تصمیم گیری صحیح کمک می کند و ریسک سرمایه گذاری را تا حد امکان کاهش می دهد. بيور مي گويد”:پيش بيني ها را مي توان بدون اخذ تصميم انجام داد ولي کوچکترين تصيم گيري را نمي توان بدون پيش بيني انجام داد”.
روشن است كه خصوصيت عدم اطمينان، امر نامطلوبي است و از طرفي براي سرمايه گذاراني كه بازار بورس را به عنوان مكان سرمايه گذاري انتخاب نموده اند، اين خصوصيت اجتناب ناپذير است. بنابراين بطور طبيعي تمام تلاش هاي سرمايه گذار كاهش عدم اطمينان است و از اين جهت پيش بيني بازار بورس يكي از ابزارهاي كاهش عدم اطمينان مي باشد.
یکی از مفروضات مهمی که در بازارهای مالي وجود دارد، فرضیه بازار کارا است. بر اساس این فرضیه قیمت اوراق بهادار به ارزش ذاتی آنها نزدیک است، یعنی قیمت تعیین شده دربازار شاخص مناسبی از ارزش واقعی اوراق بهادار است.(جهانخانی،1376) از جمله مواردی که فرضیه بازار کارا را ضعیفتر میکند، قابلیت پیش بینی در این بازارها است. (نمازی،1386) آنچه سرمایه گذاران اعم از حقیقی و حقوقی را برای سرمایهگذاری در سهام شرکتها نگران میکند، نوسانات شدید قیمت های سهام میباشد.
پيش بيني قيمت سهام يکي از مهمترين و جذاب ترين فعاليت ها براي مديران داخلي و سرمايه گذاران خارجي شرکت مي باشد. در خارج از شرکت، سرمايه گذاران از اين پيش بيني به عنوان اساس و مبناي انتخاب سبد سرمايه گذاري(پرتفوليو1) بهينه و سودآور استفاده مي کنند؛ از طرف ديگر در داخل شرکت، هدف مديران كه حداكثر سازي ثروت سهامدارن بوده از اين پيش بيني در اتخاذ تصميمات مهم و بحراني از جمله بودجه بندي عملياتي، سرمايه اي و تخصيص بهينه منابع به منظور دستيابي به اهداف سازمان استفاده ميكنند. بنابراين روشن است که دقت پيش بيني قيمت سهام بسيار مهم و حياتي است؛ زيرا مبناي تصميم گيري هاي داخلي و خارجي قرار مي گيرد. از اين رو انتخاب روش پيش بيني يکي از مهم ترين تصميمات پيش بيني کنندگان است.
بيشتر مطالعاتي که در گذشته در مورد پيش بيني قيمت انجام شده، از مدل سازي خطي و غير خطي براي پيش بيني استفاده كرده و به مقايسه و بررسي دقت اين روش ها پرداختند. در اين تحقيق قصد داريم با استفاده از تركيب مدل هاي غيرخطي(تبديل موجك2، شبکه هاي عصبي3 و الگوريتم ژنتيک4) و مدلهاي خطي به مدل سازي پيش بيني قيمت سهام بپردازيم.

1-3: ضرورت و اهمیت تحقیق
سرمايه گذاري و انباشت سرمايه در تحول اقتصادي كشور نقش بسزايي داشته است. اهميت اين عامل و نقش موثر آن را مي توان به وضوح در سيستم كشورهايي با نظام سرمايه داري مشاهده كرد. بدون شك بورس يكي از مناسب ترين جايگاهها جهت جذب سرمايه هاي كوچك و استفاده از آنها جهت رشد يك شركت، در سطح كلان و نيز رشد شخصي فرد سرمايه گذار است. از آنجايي كه هدف و تعريف سرمايهگذاري، به تعويق انداختن مصرف جهت مصرف بيشتر در آينده است، افراد با سرمايه گذاري انتظار دستيابي به سود مورد انتظار خود را دارند. بنابراين مهمترين امر در اين زمينه، خريد يك سهم به قيمت پايين و فروش آن به قيمت بالاتر است كه اين موضوع به معني پيش بيني قيمت سهام است.
از دوران گشايش بازارهاي اوراق بهادار همواره اين فكر وجود داشته است كه به كمك روشي، قيمت سهام را پيش بيني كنند و در اين راه سخت افزارها و نرم افزارها، تحليل هاي متفاوت مالي و مانند اينها ابداع شده و مورد استفاده قرار گرفت.(حق پرست،1386)
1-4: اهداف تحقیق
هدف اصلی تحقیق، ارائه مدلی برای پیش بینی قیمت سهام با بکارگیری شبکه عصبی درک چندلایه5 و تکنیک استخراج قانون از شبکه های عصبی با استفاده از الگوریتم ژنتیک6 و ترکیب مدلهای مزبور با مدل خطی 7ARIMA در شرکت های عضو بورس و اوراق بهادار تهران است. علاوه بر هدف اصلی تحقیق، اهداف فرعی دیگری نیز مورد نظر هستند که در سطح پایین تری از هدف اصلی قرار می گیرند. این اهداف عبارتند از:
-کمک به سرمایه گذاران جهت اتخاذ تصمیم های صحیح و مطلوب
-کمک به مدیران برای انجام وظیفهی حداکثر سازی ثروت سهامدارن
-تعیین مدل بهینه از میان مدل های فوق برای پیش بینی قیمت سهام
1-5: سؤالات و فرضیه های تحقیق
پس از بررسي مسئله و اهداف تحقيق و مطالعات مقدماتي درباره پاسخ هاي احتمالي، سؤالات تحقیق به شرح زیر قابل طرح است:
آیا سری زمانی خطی ARIMA مدل مناسبی برای پیش بینی قیمت سهام است؟
آیا شبکه عصبی درک چند لایه(MLP) در پیش بینی قیمت سهام بر مدل خطی ARIMA برتری دارد؟
آیا تکنیک استخراج قانون(ExtractionRule ) از شبکه های عصبی با استفاده از الگوریتم ژنتیک نتیجه قابل قبولی برای پیش بینی قیمت سهام بدست می دهد؟
آیا تکنیک استخراج قانون(ExtractionRule ) از شبکه های عصبی با
استفاده از الگوریتم ژنتیک در پیش بینی قیمت سهام بر شبکه عصبی درک چند لایه(MLP) برتری دارد؟
آیا ترکیب مدل ARIMA با شبکه عصبی برای پیش بینی قیمت سهام با استفاده از تبدیل موجک نتیجه قابل قبولی برای پیش بینی قیمت سهام بدست می دهد؟
آیا مدل ترکیبی تبدیل موجک، شبکه عصبی و الگوریتم ژنتیک فازی در پیشبینی شاخص قیمت نسبت به بقیه مدلهای ارائه شده از دقت بالاتری برخوردار است؟
بنابراین فرضیات اصلی تحقیق به صورت زیر خواهد بود:
فرضیه1) مدل خطی ARIMA مدل مناسبی برای پیش بینی قیمت سهام بدست می دهد.
فرضیه2) شبکه عصبی درک چند لایه(MLP) در پیش بینی قیمت سهام از مدل خطی ARIMA عملکرد بهتری را نشان می دهد.
فرضیه3) تکنیک


دیدگاهتان را بنویسید