فهرست مطالب نویسنده:
reza raie
-
با توجه به نقش روزافزون شبکه های اجتماعی در بازار سرمایه، بررسی توانایی و اثربخشی آن در جهت و قیمت سهام می تواند برای سرمایه گذاران مفید باشد. جایگاه اصلی این تحقیق در بررسی حرکت توده وار بر اساس پیشنهادهای خرید و فروش در شبکه اجتماعی با استفاده از شبکه عصبی می باشد. این تحقیق دردوره زمانی ابتدای تیرماه 1392 تاانتهای خردادماه 1393 (یکسال) می باشد و با توجه به شرایط بازار سرمایه دو دوره رکود و رونق بررسی شده است. به منظور دسترسی به داده های کافی و همچنین تواتر معاملات ، نمونه انتخابی ده شرکت از 50 شرکت فعال بورس و همچنین ده نمادی که بیشترین تعداد پست و نظر را در شبکه اجتماعی داشته اند انتخاب گردیده اند. این تحقیق دردوبخش پیش بینی جهت و قیمت سهام با داده های قیمت در مقایسه با ترکیب داده های قیمت و پیشنهادهای خرید و فروش شبکه های اجتماعی است. برای پیش بینی از شبکه عصبی مصنوعی پیش خور و بهینه سازی شبکه با 3 تا 10 وقفه و یک لایه پنهان تا 20 نرون استفاده شده است. نتایج نشان داده است که در پیش بینی قیمت سهام در دو روش تفاوت معنی داری وجود ندارد اما در پیش بینی جهت قیمت سهام با استفاده از قیمت سهام و پیشنهادهای خرید و فروش (ترکیب داده های قیمت و شبکه اجتماعی) نسبت به پیش بینی فقط با قیمت سهام در دوره رونق برای شرکت های پربیننده و در دوره رکود برای 10سهم فعال تفاوت معنی داری وجوددارد.کلید واژگان: شبکه اجتماعی, پیش بینی جهت سهام, پیش بینی قیمت سهام, شبکه عصبیExamining the ability and efficiency of social network on price and direction of stock price is important, because of social network boom. In this research, we observe the herding behavior based on buy and sell offer in one of the Iranian social network (sahamyab.com) using neural network. The duration of research between July 2013to June 2014(1year) and based on TSE is divided to period of bull and bear market. The sample is selected on two hypotheses, ten symbols from active stocks listed by TSE and another ten symbol from most viewed and active on social network. This research done on two parts: direction forecast and price forecast. Historical price and buy/sell offer in social network with 3 to 10 lags used. Feed forward neural network (FFNN) with 3 to 10 data lags and 1 hidden layer and up to twenty neuron used to find optimal network and used to forecast. In price forecast, there is no significant difference, But in directional of stock price forecast, we found that it's significant for most viewed share in bull market and for active share in bear market.Keywords: Social Network, Price Forecast, Price Direction Forecast, Neural Network
-
بازده بیشتر هدف اصلی سرمایه گذاران در بازارهای مالی است. در بازار ایران با توجه به ناکارایی بازار ، تحلیل تکنیکال به عنوان یکی از روش های خرید و فروش کاربرد دارد. در این تحقیق با استفاده از نماگرهای تحلیل تکنیکی و روش تصمیم گیری منطق فازی و بهینه سازی و تصمیم گیری روش ترکیبی فازی ژنتیک برای تصمیم گیری خرید و فروش استفاده شده است. دوره بررسی از ابتدای سال 1387 تا پایان سال 1391 بوده و 4 سال آموزش و یک سال آزمون ( تست ) بوده است. نمونه شامل 50 شرکت فعال بورس بوده اند. نمونه براساس عملکرد نماگرهای تکنیکی در دوره تست ، فیلتر شدند. شرکت هایی به عنوان نمونه نهایی انتخاب گردیدند که رتبه بازده نماگرهای تکنیکی آن ها طی سال های آموزش تفاوت معنی داری نداشتند. بدین ترتیب براساس اطلاعات تاریخی و دوره آموزش نماگرهای مناسب برای کسب بازدهی بیشتر تعیین و در روش فازی براساس قواعد معاملاتی متعارف و در روش فازی ژنتیک براساس یادگیری قواعد معاملاتی استخراج و خرید و فروش با توجه به قدرت سیگنال انجام شد.نتایج این تحقیق نشان داد که روش فازی و فازی ژنتیک بازده بیشتر و معنی داری نسبت به روش خرید و نگهداری دارد.کلید واژگان: نماگر تکنیکی, منطق فازی, الگوریتم ژنتیک, الگوریتم ترکیبی, خرید و نگهداریGain more return is the main purposes of investors in financial markets. Base on Tehran stock Exchange is non-efficient market, technical analysis is one the useful tools and techniques to buy and sell. In this research trading based on technical indicators are used with fuzzy logic decision making and optimization and decision making by hybrid fuzzy genetic modelThe period of research is between Mar 2009 to Feb 2013 and 4 years for learning and 1 year for test. Samples are 50 most active trading stocks in TSE select by optimization. final sample is the symbol that the rank of technical indicator return have no significant differences in learning during learning phase .the best indicator for trading are selected based on historical data and learning phase. Trading done by powerfulness of signals. The results shown that fuzzy and fuzzy genetic have more and significant return in compare of buy and hold.Keywords: Technical Indicator, Fuzzy Logic, Genetic Algorithm, Hybrid Algorithm, Buy, Hold
-
اثر تمایلی یکی از مباحث مطرح در پارادایم مالی رفتاری می باشد که بیان کننده موقعیت فرد در هنگام تصمیم گیری است. بر اساس این دیدگاه، چنانچه سرمایه گذار در موقعیت سود باشد به سرعت اقدام به فروش سهام کرده و در مقابل چنانچه که سهام در موقعیت زیان باشد آن را به مدت طولانی نگهداری خواهد کرد. اثر تمایلی که ریشه در تیوری انتظارات کانمن و تیورسکی دارد به تشکیل نقطه مرجع اشاره کرده و بیان می کند که سرمایه گذاران بر اساس نقطه مرجع انتخابی خود تصمیم گیری خواهند نمود. هدف اصلی این تحقیق بررسی تشکیل نقطه مرجع بر روی EPS فصلی با توجه به درصد تحقق یافته آن و بررسی حجم معاملات از دیدگاه اثر تمایلی می باشد. نتایج این مطالعه نشان می دهد که درصد پوشش فصلی سود هر سهم بر حجم معاملات اثری نداشته و حجم معاملات بیشتر تحت تاثیر تعدیل های مثبت و منفی سود اعلامی قرار می گیرد به طوری که با تعدیل EPS، حجم معاملات افزایش یافته و بنابراین اثر تمایلی مورد تایید قرار نمی گیرد.
کلید واژگان: مالی رفتاری, اثر تمایلی, تئوری انتظارات, نقطه مرجع
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.