کد متلب و فایل word کامل پایان نامه پيش بيني قيمت سهم در بورس اوراق بهادار به کمک داده کاوي با الگوريتم‌هاي ترکيبي تکاملي

لینک دانلود

کد متلب و فایل word کامل پایان نامه

پيش بيني قيمت سهم در بورس اوراق بهادار به کمک داده کاوي با الگوريتم‌هاي ترکيبي تکاملي

 

لینک دانلود

 

چکيده

تحقيقات بسياري جهت پيش بيني قابل قبول و قابل اطمينان به کمک روشهاي شبيه سازي، تحليل سري‌هاي زماني، ترکيب روشهاي هوش مصنوعي با روش‌هاي تحليل سري‌هاي زماني و در آخرين آنها ترکيب روشهاي داده کاوي و هوش مصنوعي با روش‌هاي تحليل سري‌هاي زماني و الگوريتم‌هاي بهينه سازي تکاملي در حوزه قيمت سهم در بازار بورس اوراق بهادار صورت گرفته است. در اين تحقيق سعي بر آن شده که در قالب فرايند CRISP داده کاوي و با ارجاع به آخرين تحقيقات صورت گرفته، ترکيب شبکه عصبي مصنوعي و الگوريتم‌هاي بهينه سازي تکاملي به عنوان مدل پيش بيني قيمت سهم در بازار بورس اوراق بهادار مورد بررسي قرار گيرد. الگوريتم‌هاي بهينه سازي تکاملي ژنتيک، ازدحام ذرات و رقابت استعماري در آموزش شبکه عصبي مصنوعي با داده‌هاي سري زماني کاهش يافته قيمت پنج سهم منتخب از بازار بورس اوراق بهادار تهران به کار گرفته شدند و قابل قبول و قابل اطمينان بودن پيش بيني به کمک شبکه عصبي مصنوعي آموزش ديده با الگوريتم ازدحام ذرات بر اساس مقادير شاخص ميزان خطا (mse) پيش بيني شبکه عصبي مصنوعي مورد اشاره به اثبات رسيد. همچنين عدم درک آشوب داده‌ها توسط الگوريتم يادگيري پيش انتشار خطا به چالش کشيده شد.

کلمات کليدي: پيش بيني، داده کاوي، شبکه عصبي مصنوعي، الگوريتم‌هاي بهينه سازي تکاملي

 

فهرست مطالب

فصل 1 : معرفی تحقیق 1
1-1 مقدمه 1
1-2 تعريف مساله 2
1-3 اهميت مساله 3
1-4 هدف تحقيق 4
1-5 سئوالات تحقيق 5
1-6 مفروضات تحقيق 5
1-7 دامنه تحقيق 6
1-8 ساختار تحقيق 7
فصل 2 : پیشینه تحقیق 9
2-1 مدلهاي پيش بيني قيمت سهم در تحقيقات پيشين 9
2-2 انتخاب/ استخراج ويژگي در قيمت سهم در تحقيقات پيشين 16
فصل 3 : مبانی نظری تحقیق 18
3-1 بازار بورس اوراق بهادار 18
3-2 تکنيکهاي رايج تحليل و پيش بيني قيمت سهام 19
3-3 تکنيکهاي نوين تحليل داده‌ها 20
3-3-1 داده کاوي 21
3-3-2 شبکه عصبي مصنوعي 26
عنوان صفحه
3-3-3 الگوريتمهاي تکاملي 31

3-3-3-1 الگوريتم ژنتيک 33
3-3-3-2 الگوريتم بهينه سازي ازدحام ذرات 36
3-3-3-3 الگوريتم رقابت استعماري 38
فصل 4 : روش تحقیق 43
4-1 فرايند CRISP 43
4-1-1 تعريف مساله 43
4-1-2 تحليل داده‌ها 43
4-1-3 آماده سازي داده‌ها 44
4-1-4 مدلسازي 44
4-1-5 ارزيابي 44
4-1-6 پياده سازي 45
فصل 5 : اجرا 46
5-1 اجراي فرايند CRISP 46
5-1-1 مجموعه داده‌ها 46
5-1-2 کيفيت داده‌ها و کاهش داده‌ها 50
5-1-3 پياده سازي شبکه عصبي مصنوعي براي سري‌هاي زماني 51
5-1-3-1 معماري شبکه عصبي مصنوعي 51
5-1-3-2 تطبيق ورودي‌هاي زماني به عنوان ورودي شبکه عصبي مصنوعي 53
5-1-4 پياده سازي آموزش شبکه عصبي مصنوعي با الگوريتمهاي تکاملي 54
5-1-4-1 الگوريتم ژنتيک 54
5-1-4-2 الگوريتم بهينه سازی ازدحام ذرات 55
5-1-4-3 الگوريتم رقابت استعماري 56
5-1-4 به کارگيري شبکه عصبي مصنوعي آموزش ديده با الگوريتم‌هاي تکاملي 58
فصل 6 : تحلیل یافته‌ها، نتیجه گیری و پیشنهاد‌ها 60
6-1 نتيجه گيري و پاسخ به سئوالات تحقيق 60
عنوان صفحه
6-2 تحقيقات پيشنهادي آينده 64
فهرست منابع 65
پيوست‌ها 67
پيوست 1: کد شبکه عصبي سري زماني با آموزش با الگوريتم پيش انتشار خطا 67
پيوست 2: کد شبکه عصبي مصنوعي با آموزش با الگوريتم ژنتيک 68
پيوست 3: کد شبکه عصبي مصنوعي با آموزش با الگوريتم ازدحام ذرات 71
پيوست 4: کد شبکه عصبي مصنوعي با آموزش با الگوريتم رقابت استعماري 73

فهرست جدول‌ها

جدول شماره ‏2 1: مقایسه نتایج پیش بینی مدل بت-عصبی با سه مدل دیگر 13
جدول شماره ‏2 2: مقايسه نتايج پيش گويي مدل ارائه شده با مدلهای ديگر 14
جدول شماره ‏2 3: نسل بندي روشهاي تحقيق در پيش بيني قيمت سهم 16
جدول شماره ‏3 1: شبه کد الگوريتم پيش انتشار خطا 30
جدول شماره ‏3 2: شبه کد عمومي الگوريتم‌هاي تکاملي 32
جدول شماره ‏3 3: شبه کد الگوريتم ژنتيک 34
جدول شماره ‏3 4 : شبه کد الگوريتم ازدحام ذرات 37
جدول شماره ‏3 5 : شبه کد الگوريتم رقابت استعماري 41
جدول شماره ‏5 1: نماد سهم‌هاي انتخاب شده 46
جدول شماره ‏5 2: اندازه کاهش يافته داده‌ها 51
جدول شماره ‏5 3: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم ژنتيک 54
جدول شماره ‏5 4: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم ازدحام ذرات 55
جدول شماره ‏5 5: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم رقابت استعماري 56
جدول شماره ‏5 6: نتايج mse شبکه عصبي آموزش ديده با الگوريتم ژنتيک 58
جدول شماره ‏5 7: نتايج mse شبکه عصبي آموزش ديده با الگوريتم ازدحام ذرات 58
جدول شماره ‏5 8: نتايج mse شبکه عصبي آموزش ديده با الگوريتم رقابت استعماري 59
جدول شماره ‏5 9: نتايج mse شبکه عصبي آموزش ديده با الگوريتم پيش انتشار خطا 59
جدول شماره ‏6 1: ميانگين و انحراف معيار خطاي اجراهاي ANN و BP 61
جدول شماره ‏6 2: نتايج خطاي پيش بيني با ANN و PSO 63
جدول شماره ‏6 3: نتايج خطاي پيش بيني با ANN و ICA 63

فهرست شکل‌ها

شکل شماره ‏3 1 : نمونه اي تحليل قيمت سهم با ابزارهاي رويکرد تحليل تکنيکال 20
شکل شماره ‏3 2 : فرايند CRISP 23
شکل شماره ‏3 3 : ساختار يک نورون 27
شکل شماره ‏3 4 : نمونه اي از يک شبکه عصبي مصنوعي با يک لايه پنهان 28
شکل شماره ‏3 5 : نمونه نورون در شبکه عصبي مصنوعي پيشرو 29
شکل شماره ‏3 6 : فلوچارت عمومي الگوريتم‌هاي تکاملي 32
شکل شماره ‏3 7 : نمايش ترکيب تک نقطه اي 35
شکل شماره ‏3 8 : نمايش حرکت ذره در PSO 36
شکل شماره ‏3 9: نمايش نمونه اي تقسيم کلوني‌ها به امپرياليست‌ها 40
شکل شماره ‏3 10: حرکت خطي کلوني 41
شکل شماره ‏3 11: حرکت زاويه اي کلوني 41
شکل شماره ‏5 1 : نمودار قيمت روزانه سهام نماد بکام 48
شکل شماره ‏5 2 : نمودار قيمت روزانه سهام نماد وپارس 48
شکل شماره ‏5 3 : نمودار قيمت روزانه سهام نماد وغدير 49
شکل شماره ‏5 4 : نمودار قيمت روزانه سهام نماد خودرو 49
شکل شماره ‏5 5 : نمودار قيمت روزانه سهام نماد رانفور 50
شکل شماره ‏5 6 : شبکه عصبي مصنوعي با داده‌هاي سري زماني 53
شکل شماره ‏6 1 : تابع احتمال تجمعي توزيع نرمال برازش شده خطا 61
شکل شماره ‏6 2 : تابع احتمال تجمعي توزيع نرمال برازش شده خطا ANN و EAs 62

فصل 1 : معرفی تحقیق

1-1 مقدمه

بشر در دنياي امروزي به صورت روزمره در بازارهاي گوناگون درگير تصميم گيري‌هاي بيشماري بوده و هر گونه پيشنهادي که امکان بهبود دقت و صحت تصميم و يا کاهش زمان تصميم گيري را براي او به ارمغان بياورد براي وي جذاب و ارزشمند مي باشد. يکي از بازارهايي که امروزه رو به رونق بوده و مزاياي سيستمهاي پشتيبان تصميم گيري در آن بسيار مشهود مي باشد بازارهاي پولي و سرمايه شامل بازار بورس اوراق بهادار مي باشد. فعالان اين بازار به خريد و فروش سهام شرکتها در آن بازار پرداخته و از آن طريق با پذيرفتن ريسکِ آينده سهم براي خود سود و يا زيان به بار مي آورند.
در اين تحقيق سعي خواهد شد تا با به کارگرفتن تکنيکهاي داده کاوي شناخته شده، در مسير تحقيقات صورت گرفته پيشين، ترکيبي از الگوريتم شبکه عصبي مصنوعي با الگوريتمهاي بهينه سازي تکاملي به منظور پيش بيني قيمت سهام شرکتها در بورس اوراق بهادار ارائه گردد. ترکيب الگوريتم شبکه عصبي مصنوعي با سه الگوريتم بهينه سازي تکاملي ژنتيک، رقابت استعماري و ازدحام ذرات روي حداقل پنج سهم مورد بررسي قرار خواهد گرفت و دقت پيش بيني هر يک محاسبه و ارائه خواهد گرديد. خروجي اين تحقيق، پيشنهاد بهترين الگوريتم ترکيبي از بين موارد ذکر شده براي پيش بيني قيمت سهام شرکتهاي عضو بورس اوراق بهادار خواهد بود.

1-2 تعريف مساله

در بازارهاي پولي و سرمايه دو نوع تکنيک اساسي براي تحليل و تصميم به خريد و يا فروش سهام شرکتها وجود دارد: تکنيک تحليل بنيادي ، تکنيک تحليل تکنيکي . در تحليل بنيادي، از مولفه‌هاي اصلي عملکرد و توان شرکت در برابر فرصتها و تهديدهاي بازار و در سطح کلان کشور استفاده شده و در مورد خريد و يا فروش آن سهم تصميم گيري مي شود. در برابر در تحليل تکنيکي، فرض بر آن است که اثر کليه عوامل کلان و خرد اقتصادي و نيز توان و عملکرد شرکت در پيشينه تاريخي قيمت سهم وجود داشته و در نتيجه با تحليل روند قيمت سهم، تصميم به خريد و يا فروش سهم شرکتي گرفته مي شود. پيش بيني و يا پيش گويي قيمت سهم شرکتها در بازارهاي اوراق بهادار از مسائلي است که تحقيقات گوناگوني در کشورهاي مختلف در مورد آن صورت گرفته است. اين تحقيق در بازار بورس اوراق بهادار تهران و تحت رويکرد تکنيک تحليل تکنيکي سعي خواهد نمود تا به حل مساله پيش بيني قيمت سهم شرکتها پرداخته و پاسخي به نياز فعالان بورس اوراق بهادار در مورد حل مساله پيش بيني قيمت سهم ارائه نمايد.

پیام بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

− three = 5