دانلود پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال در فایل ورد (word)

توضیحات

  پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال در فایل ورد (word) دارای 166 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال در فایل ورد (word)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه و مقالات ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال در فایل ورد (word)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال در فایل ورد (word) :

پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال

چکیده

در این فایل به عنوان نمونه پیش‌بینی زمان‌بندی معاملات سهام 17 شرکت فعال در بورس اوراق بهادار تهران انجام شد. بدین‌صورت که ابتدا داده‌های اولیه که شامل 3 متغیر قیمت پایانی، کمترین قیمت و بیشترین قیمت سهام طی دوره زمانی 1388 تا پایان 1391 بصورت روزانه است، از سایت رسمی سازمان بورس اوراق بهادارتهران گردآوری گردید .سپس با استفاده از این داده‌ها و تعریف توابع مربوطه در نرم افزار Excel شاخص‌های قدرت نسبی((RSI، میانگین متحرک همگرا- واگرا(MACD)، میانگین متحرک ساده((SMA، نوسانگر تصادفی((SO، میانگین متحرک نمایی(EMA) و خط سیگنال(SL) محاسبه شدند. پس از گردآوری سایر داده‌ها با استفاده از رگرسیون گام به گام متغیرهای ورودی هر شبکه عصبی فازی مربوط به هر سهم شناسایی شد. در شناسایی متغیرهای موثر بر شاخص‌های تحلیل تکنیکال این نتیجه حاصل شد که شاخص‌های RSI، MACD و شاخص کل سهام در 70 درصد نمونه مورد بررسی بر RSI 14 روز آتی تاثیر داشته‌اند. از طرفی، MACD-SL در 94 درصد نمونه مورد بررسی به عنوان متغیر ورودی شبکه پیش‌بین MACD-SL 14 روز آتی درنظر گرفته شده‌است. ازمیان متغیرهای مستقل، قیمت پایانی بیشترین تکرار را (تقریبا در 76 درصد موارد) در شبکه‌های پیش‌بینSMA-P 14 روز آتی داشته است. بیشترین متغیری که به عنوان ورودی شبکه‌های پیش‌بین EMA-P و SO 14 روز آتی شناسایی گردید، نسبت قیمت به سود بوده‌است. از میان کلیه متغیرها دلار و طلا به نسبت کمتری به عنوان متغیر ورودی درنظر گرفته شده‌است. این ورودی‌ها در نرم افزار Matlab و از طریق رابط گرافیکی Anfisedit جهت آموزش و تست شبکه مورد نظر به کار گرفته شدند. به گونه‌ای که پنج شبکه ANFIS برای پیش‌بینی متغیرهای RSI ، -SL MACD، -P SMA، SO وEMA-P 14روز آتی برای هر سهم طراحی شدند. سپس با استفاده از معیار MSE و RMSE و درصد صحت پیش‌بینی عملکرد شبکه‌های ایجاد شده بررسی گردید. نتایج نشان داد که میانگین درصد صحت پیش‌بینی کلیه شبکه‌های ایجاد شده (55/96%) بیشتر از حالت تصادفی (50%) است. سپس با اعمال مقررات معاملاتی مقادیر پیش‌بینی شده به سیگنال تبدیل شدند.

مقدمه

فایل حاضر به منظور انجام یک فایل علمی صورت گرفته است. بدین منظور جهت بررسی مساله‌ مربوطه، می‌بایست طرح فایل مناسبی تهیه شودکه مساله‌ی فایل در آن به خوبی تعریف، فرضیه‌های آن به درستی تدوین، روش گردآوری اطلاعات و تجزیه و تحلیل آن مشخص باشد. لذا در این فصل ابتدا به طور مختصر به تشریح و بیان موضوع پرداخته می‌شود. در ادامه اهمیت و ضرورت انجام فایل مورد بررسی قرار می‌گیرد. سپس به بیان فرضیه‌های فایل، اهداف اساسی از انجام فایل پرداخته شده و در ادامه، روش انجام فایل، قلمرو فایل و ابزار مورد استفاده در فایل برای تجزیه و تحلیل اطلاعات بیان شده‌اند و هم چنین واژه‌ها‌ و اصلاحات تخصصی تعریف می‌شوند. در انتها، به علت کاربرد زیاد از حروف اختصاری در طول متن، تعاریف و عبارات کامل اصطلاحات پر کاربرد در یک جدول به نمایش گذارده شدهاست.

بخشی از متن

بازارهای مالی

بدون شناسایی انواع بازارهای مالی، شناخت کاملی از سیستم مالی کسب نمی‌گردد. بازار مالی، بازار رسمی و سازمان‌یافته ای است که در آن انتقال وجوه از افراد و واحدهایی که با مازاد منابع مالی مواجه هستند، به افراد و واحدهای متقاضی وجوه صورت می‌گیرد. بدیهی است که در این بازار وام‌دهندگان را خانوارها و اکثریت متقاضیان وجوه را بنگاه‌های اقتصادی و دولت تشکیل می دهند( راعی و تلنگی، 1383). در این بازارها، اوراق بهادارهایی، مثل اوراق قرضه و سهام شرکت‌ها، معامله می‌شوند. خرید و فروش اوراق بهادار و رغبت مردم به سرمایه‌گذاری در این اوراق در گرو وجود بازارهای مالی است. اگر بازار مالی وجود نداشته باشد، سرمایه‌گذاران نمی توانند اوراق بهادار خود را به پول نقد تبدیل کنند( دلبری،1380).

انواع بازارهای مالی

انواع مختلفی از بازارهای مالی، با تنوعی از سرمایه‌گذاری‌ها و مشارکت کنندگان وجود دارد. بازارهای مالی را برحسب سرمایه‌گذاری‌ها، سررسید سرمایه‌گذاری‌ها، انواع وام‌دهندگان و وام گیرندگان، محل بازار و انواع مبادلات دسته بندی می‌نمایند(راعی و تلنگی، 1383).‌یکی از متداول ترین تقسیم بندی‌ها، تقسیم بندی بر حسب سررسید می‌باشد. بر این اساس، بازار مالی از بازارهای پول و بازارهای سرمایه تشکیل می‌شود. بازار پول برای ابزار بدهی کوتاه مدت می‌باشد و بازار سرمایه برای دارایی مالی با سررسید طولانی تر می‌باشد. از جمله اوراق بهاداری که در بازار سرمایه مبادله می‌شوند، می توان به سهام و اوراق قرضه بلندمدت اشاره کرد. بازارهای سرمایه از بازارهای اولیه( دست اول) و بازارهای ثانویه (دست دوم) تشکیل می‌گردند. بازارهای اولیه‌یک بازار مالی است که درآن اوراق بهادار تازه منتشر شده به خریداران آن عرضه می‌گردد.

بورس

بورس مکانی است که در آن تشکیلات منظمی وجود دارد به طوری که درآن مکان، سهام و اوراق بهادار پذیرفته شده، بصورت منظم و سازمان‌یافته مبادله می‌شوند( جهانخانی و پارسائیان، 1375). ریشه‌های ایجاد بورس‌های بزرگ امروز جهان را باید در بازارهای مکاره قرون وسطی جستجو کرد. در این مراکز، معاملات در آغاز کالا به کالا‌یا پایاپای بود. لیکن مشکلاتی که در انجام معاملات پایاپای وجود داشت، واسطه مبادله ای به نام پول به وجود آورد که خود ابتدا به صورت کالا بود،

پیش‌بینی زمان بهینه انجام معاملات با استفاده از شبکه عصبی فازی با رویکرد تحلیل تکنیکال در فایل ورد (word)
فهرست مطالب

فصل اول: کلیات فایل

مقدمه 1

1-1-شرح و بیان مساله فایلی 2

1-2-اهمیت و ارزش فایل 3

1-3-اهداف فایل 3

1-4-فرضیه های فایل 3

1-5-روش فایل 3

1-5-1- نوع مطالعه و روش بررسی فرضیه‌ها‌ 3

1-5-2- جامعه آماری 4

1-5-3- ابزار گردآوری داده‌ها‌ 4

1-5-4- ابزار تجزیه و تحلیل 4

1-6-واژگان کلیدی 5

1-7- کلمات اختصاری 6

خلاصه 6

فصل دوم: مروری بر ادبیات موضوع

مقدمه 7

2-1- مفاهیم سرمایه گذاری 8

2-1-1- بازارهای مالی 8

2-1-1-1-انواع بازارهای مالی 8

2-1-1-2- بورس 9

2-1-1-2- 1- اهمیت بورس اوراق بهادار 9

2-1-1-2- 2- تاریخچه بورس اوراق بهادار تهران 10

2-1-2- مفهوم سرمایه گذاری 12

2-1-3- فرایند سرمایه گذاری 12

2-1-4- روش های سرمایه گذاری 13

2-1-5- سهام عادی 13

2-1-6- نظریه سرمایه گذاری در بورس 14

2-1-7- بازده سرمایه گذاری 14

2-1-8- کارایی بازار سرمایه و اهمیت آن در ارزیابی سهام 15

2-2- پیش بینی 16

2-2-1- روش های پیش بینی کیفی 16

2-2-2- روش های پیش بینی کمی 16

2-2-3- انتخاب روش پیش بینی 16

2-2-4- روش بنیادی 17

2-2-5- روش پیش بینی سری های زمانی کلاسیک 18

2-2-6- روش های تکنیکال یا فنی 19

2-3- سیستم فازی 24

2-3-1- منطق فازی 24

2-3-1-1- مجموعه‌های فازی 25

2-3-1-2- عملگرهای مجموعه فازی 25

2-4- شبکه عصبی فازی 26

2-4-1- شبکه‌های عصبی مصنوعی 26

2-4-2- تاریخچه شبکه‌های عصبی مصنوعی 26

2-4-3- ویژگی و قابلیت‌های شبکه‌های عصبی مصنوعی 27

2-4-4- تعریف شبکه عصبی قازی 28

2-4-5- نرون‌های فازی 28

2-4-6- قوانین فازی 30

2-4-7-سیستم‌های استنتاج فازی 30

2-4-7-1- روش‌های فازی ساز 32

2-4-7-2- روش‌های غیر فازی ساز 35

2-4-7-3- سیستم استنتاج ممدانی 37

2-4-7-3- سیستم استنتاج تاکاگی-سوگنو 38

2-4-8-شبکه ‌های عصبی فازی چند لایه 39

2-4-9- شبکه ANFIS 39

2-4-9-1- مزایای ANFIS 41

2-4-10-‌ فرایند یادگیری در شبکه‌ 42

2-4-10-1- الگوریتم‌یادگیری پس انتشار خطا 42

2-4-10-2- ایجاد ساختار اولیه FIS 43

2-4-10-3- فرایند یادگیری در شبکه ANFIS 44

2-4-11- اندازه گیری خطا در شبکه‌های عصبی 44

2-4-12- نرمالسازی خطی داده‌ها در فاصله [L,H] 46

2-5- پیشینه موضوع 47

2-5-1- بررسی کارآیی‌یا عدم کارآیی بازار 47

2-5-2- امکان سنجی بکارگیری شاخص‌های تحلیل تکنیکال در پیش‌بینی روند قیمت سهام 48

2-5-3- مروری بر فایلات صورت گرفته در زمینه پیش‌بینی متغیرهای اقتصادی و مالی با استفاده از سیستم‌های هوشمند 49

2-5-3-1- فایلات داخلی 49

2-5-3-2- فایلات خارجی 52

خلاصه 61

فصل سوم: روش فایل

مقدمه.. 62

3-1- اهداف فایل.. 63

3-2- متغیرهای فایل.. 63

3-3- فرضیه های فایل.. 65

3-4- نوع فایل.. 65

3-5- روش فایل.. 66

3-6- جامعه آماری.. 73

3-7- ابزار گردآوری داده ها.. 73

3-8- ابزار تجزیه و تحلیل.. 75

3-9- قلمرو فایل.. 75

خلاصه.. 75

فصل چهارم: تجزیه و تحلیل داده‌ها

مقدمه 76

4-1- انتخاب متغیرهای ورودی 77

4-1-1- نرمال سازی داده ها 77

4-1-2- شناسایی متغیرهای ورودی شبکه 77

4-2- پیش بینی شاخص های تحلیل تکنیکال با استفاده از شبکه عصبی فازی 81

4-2-1- انتخاب داده های آزمون و آموزش 81

4-2-2- طراحی شبکه عصبی فازی 81

4-2-3- ارزیابی عملکرد شبکه 82

4-2-3-1- ارزیابی عملکرد شبکه بر اساس معیار MSE 82

4-2-3-2- ارزیابی عملکرد شبکه بر اساس معیار RMSE 85

4-3- بررسی درصد صحت پیش بینی شبکه عصبی فازی 87

4-4- بررسی معناداری تفاوت میانگین بازدهی روش های معاملاتی 89

خلاصه 93

فصل پنجم: نتیجه گیری و پیشنهادها

مقدمه 94

6-1- خلاصه فایل 95

6-2- نتایج فایل 95

6-2- محدودیت های فایل 97

6-3- پیشنهادها 97

خلاصه 98

منابع فارسی 99

منابع انگلیسی 103

پیوست1 107

پیوست2 117

برای دریافت اینجا کلیک کنید