فهرست مطالب
عنوان صفحه
چکیده———————————————————1
فصل اول: کلیات تحقیق
مقدمه. 22
1-1 . بیان مسئله. 24
1-2.اهمیت و ضرورت انجام تحقیق 26
1-3. اهداف تحقیق 27
1-4. کاربران نتایج تحقیق 27
1-5. سؤالات و فرضیات تحقیق 27
1-5-1. سؤال اصلی 27
1-6. فرضیه تحقیق 28
1-7. روش تحقیق 28
1-8. قلمرو تحقیق 28
1-8-1. قلمرو مکانی تحقیق 28
1-8-2. قلمرو زمانی 28
1-9.روش گردآوری داده ها و ابزار تحلیل 28
1-9-1. روشهای آماری 28
1-9-2. روشهای غیر آماری 28
1-9-3. نرمافزارها 29
1-10. جامعه و نمونهی آماری 29
1-11. تعریف واژههای کلیدی تحقیق 29
1-12. مراحل تحقیق 30
1-13. چارچوب کلی تحقیق 31
فصل دوم: ادبیات و پیشینه تحقیق
مقدمه. 32
2-1. تئوری پیشبینی 33
2-1-1. انواع شیوههای پیشبینی 34
2-1-2. اهداف نهایی پیشبینی 34
2-2. بازارهای مالی 35
2-2-1. بازار پول و سرمایه. 36
بازار پول. 36
بازار سرمایه: 36
2-2-2. بازارهای اولیه و ثانویه. 36
بازار اولیه. 36
بازار ثانویه: 37
2-3. انواع بازارها
2-3-2. بازار خارج از بورس یا فرا بورس. 38
2-4. مزایای بورس اوراق بهادار. 38
2-5. بورس اوراق بهادار تهران. 39
2-6. سهام. 40
2-7. سهام عادی و خصوصیات آن. 41
2-7-1. ارزشیابی سهام عادی 42
2-7-2. فرایند ارزشگذاری سهام. 42
2-8. ارزش ذاتی سهام عادی 43
2-9. نحوه ارزشگذاری سهام عادی Error! Bookmark not defined.
2-9-1. رویکرد تنزیل جریان نقد. 44
2-9-2. رویکرد ارشیایی نسبی 44
2-10. سهام ممتاز و خصوصیات آن. 44
2-11. قیمت سهام. 45
2-11-1. عوامل بیرونی 46
2-11-2. عوامل درونی 47
2-12. اهمیت قیمت سهام برای مدیران. Error! Bookmark not defined.
2-13. سود حسابداری و قیمت سهام. 48
2-14. مفهوم سود اقتصادی 48
2-15. روشهای سنتی تجزیهوتحلیل قیمت در بورس. 48
2-15-1. تجزیهوتحلیل تکنیکی 50
2-15-2. تجزیه تحلیل فنی 50
2-16. روشهای مدرن تجزیهوتحلیل قیمت در بازار بورس. 51
2-17. هوش مصنوعی 52
2-18. شبکه عصبی مصنوعی 52
2-18-1. مدل نرون مصنوعی 54
2-19. آموزش و یادگیری شبکه عصبی 56
2-20. ساختار شبکه عصبی مصنوعی 57
2-21. مزایای شبکه عصبی 57
2-22. شبکه عصبی چندلایه پیشخور. 58
2-23. الگوریتم کلونی زنبورعسل مصنوعی Error! Bookmark not defined.
2-24. تحقیقهای پیشین 64
2-24-1. تحقیقهای خارجی 65
2-24-2. تحقیقهای داخلی Error! Bookmark not defined.
2-25خلاصهی فصل 72
فصل سوم: روش تحقیق
3-1.روش تحقیق 74
3-2.نمونه و جامعه آماری 74
3-2-1. جامعهی آماری تحقیق 74
3-2-2. نمونهی آماری تحقیق 75
3-3. دادههای تحقیق 75
4-3. بررسی روش تحقیق مقاله پایه. 76
3-5. نرمالسازی 78
3-6. الگوریتم آموزش. 78
3-7. مرحله پیشبینی 79
3-8. روش گرداوری دادهها 80
الف. تجربههای آزمایشگاهی: 80
ب. بررسی میدانی: 80
ج. تحقیق پیمایشی: 81
3-9.دوره انجام پژوهش 81
3-10. ابزار اندازهگیری و محاسبهی متغیرها 81
3-11. مراحل انجام تحقیق 81
فصل چهارم: تجزیهوتحلیل دادهها
تجزیهوتحلیل دادهها 84
مقدمه. 90
4-1. نرمافزارهای مورداستفاده 85
4-2. مدلسازی پیشبینی قیمت سهام. 85
4-2-1. دادههای تحقیق 85
2-4-2. شرکتهای حاضر در تحقیق 85
4-2-3. سؤالهای مختلف برای پیش بینی قیمت سهام. Error! Bookmark not defined.
4-3. دادههای آموزشی، اعتبار سنجی و آزمایشی 86
4-4. پیادهسازی سؤالات مختلف برای پیشبینی قیمت سهام. 87
4-4-1. سؤال اول: چگونه میتواند قیمت سهام را با بهره گرفتن از شاخصهای ترکیبی به روش شبکه عصبی پیشبینی کرد؟. 87
4-4-2. سؤال دوم: چگونه میتواند قیمت سهام را با بهره گرفتن از شاخصهای تکنیکال به روش شبکه عصبی پیشبینی کرد؟. 89
4-4-3. سؤال سوم: تعیین عاملهای مهم در تعیین نرخ اوراق در شرکتهای شیمیایی 93
4-4-4. سؤال چهارم چگونه میتوان با بهره گرفتن از الگوریتمهای شبکه عصبی و شاخصهای ترکیبی یک روش جدید با خطای کمتر برای پیشبینی قیمت سهام طراحی کرد؟. 95
4-5. تجزیهوتحلیل نمودارهای حاصل از آزمایش شبکه عصبی 97
4-5-1 نمودار مقایسه قیمت واقعی و قیمت پیشبینیشده 97
4-5-2. نمودار ضریب همبستگی 97
4-6. جمعبندی 98
فصل پنجم: نتایج و پیشنهادات
مقدمه. 99
5-1. خلاصه پژوهش 100
5-2. بررسی نتایج 100
5-2-1.نتیجه سؤال اول. 101
5-2-2. نتیجه سؤال دوم: 101
5-2-3. نتیجه سؤال سوم. 102
5-2-4. نتیجه سؤال چهارم. 102
5-3. مقایسه نتایج 102
5-3-1. مقایسه مدل سؤال اول و سؤال دوم. 102
5-3-2. مقایسه مدل سؤال سوم و سؤال چهارم. 104
5-4. پیشنهادهای تحقیق 105
5-4-1. پیشنهادات کاربردی 106
5-4-2. پیشنهادات تحقیقات آتی 106
5-5. محدودیتهای پژوهش 106
منابع فارسی 107
منابع انگلیسی 110
فهرست نمودارها
عنوان صفحه
نمودار 3-1. مدل شبکه پرسپترون چند لایه. 77
نمودار 3-2. گام به گام مراحل انجام تحقیق 83
نمودار 4-1. پیش بینی قیمت واقعی و پیش بینی شده 97
نمودار 4-2. ضریب همبستگی شبکه عصبی 98
فهرست جداول
عنوان صفحه
جدول 2-1 خلاصه نتیجه تحقیقات خارجی گذشته. 67
جدول 2-2 خلاصه نتاج تحقیقات گذشته خارجی 71
جدول 3-1 الگوریتم مدل شبکه عصبی پیشخور. 77
جدول 3-2 معیارهای پیش بینی 79
جدول 3-3 شبه کد کلونی زنبور عسل 80
جدول 4-1 نام شرکتهای نمونه(یافته های محقق) 86
جدول 4-2 محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای دادههای ترکیبی(یافته های محقق) 87
جدول 4-3 شبکه عصبی مدل اول آزمایشی با متغیرهای ترکیبی(یافته های محقق) 88
جدول 4-4 شبکه عصبی مدل اول کل دادهها با متغیرهای ترکیبی(یافته های محقق) 89
جدول 4-5 محاسبه معیار جذر میانگین مجذور خطا با تعداد مختلف نرون برای دادههای فنی (یافته های محقق) 90
جدول 4-6 شبکه عصبی مدل دوم دادههای آزمایشی با متغیرهای فنی (یافته های محقق) 91
جدول 4-7 شبکه عصبی مدل دوم کل دادهها با متغیرهای فنی (یافته های محقق) 92
جدول 4-8 شبکه عصبی مدل سوم دادههای آزمایشی با متغیرهای ترکیبی و اقتصادی (یافته های محقق)
جدول 4-9 شبکه عصبی مدل سوم کل دادهها با متغیرهای ترکیبی و اقتصادی (یافته های محقق) 95
جدول 4-11 سطوح تنظیم پارامتر (یافته های محقق) 95
جدول 4-12 سناریو آزمایشی عاملی کامل (یافته های محقق) 96
جدول 4-13 شبکه عصبی کلونی زنبورعسل کل دادهها با متغیرهای ترکیبی (یافته های محقق) 97
جدول 5-1 مقایسه نتایج سؤال اول و دوم. 103
جدول 5-2 مقایسه مدل سوم و چهارم. 104
چکیده
با توجه به تأثیر بازار بورس در تأمین مالی و توسعه کشور، یافتن روشی مناسب برای پیشبینی بازار سهام اهمیت بسیار دارد. در بورس اوراق بهادار حساسیتهای زیادی نسبت به روند قیمت وجود دارد، این باعث شده تا تحولات مربوط به چنین پدیدهی مورد تحلیل منظم قرار گیرد. در سالهای اخیر مدلهای متفاوتی شبکه عصبی جهت پیشبینی قیمت سهام صورت گرفته است. برای آزمون سؤالهای تحقیق از دادههای مربوط به 10 شرکت شیمیایی پذیرفتهشده در بورس اوراق بهادار تهران بهعنوان نمونهی آماری و برای دورهی زمانی 1393-1387 به روش شبکه عصبی با دادههای ترکیبی شاخص بازار و مدل شبکه عصبی مبتنی بر کلونی زنبورعسل مورد تجزیهوتحلیل و مقایسه قرارگرفته است.
هدف این تحقیق که از بعد هدف از نوع کاربردی و از بعد روش توصیفی ست، پیشبینی قیمت سهام و ارائه یک مدل پویا و با خطای کمتر است، با متغیرهای ترکیبی تجزیهوتحلیل فنی و بنیادی و اقتصادی از شاخص بازار به روش شبکه عصبی در شرکتهای شیمیایی پذیرفتهشده در بورس اوراق بهادار تهران است. نتایج این پژوهش نشان داده است، با داده ترکیبی متغیرهای تجزیهوتحلیل بنیادی بیشتر، ما آموزش بهتری را خواهیم داشت و نتایج بهتری را به دست میآوریم و خطای پیشبینی مینیمم میشود. همچنین استفاده از کلونی زنبورعسل بهعنوان یک روش انتخاب ویژگی پوششدهنده نقش مهمی در افزایش دقت و سرعت در اجرای تکنیک پیشبینی، حذف دادههای غیر مرتبط و افزایش قابلیت فهمپذیری ایفا نمود و همچنین در مقایسه با شبکه عصبی با دادهای ترکیبی، کلونی زنبورعسل بهعنوان یک روش پوششدهنده در ترکیب با شبکه عصبی دقت پیشبینی بالاتری از خود نشان داد.
واژگان کلیدی: پیشبینی قیمت سهام، شبکه عصبی، دادهای ترکیبی، کلونی زنبورعسل
فصل اول:
کلیات تحقیق