|
|
پژوهش های ریاضی، جلد ۹، شماره ۱، صفحات ۰-۰
|
|
|
| عنوان فارسی |
فرکسیون : الگوریتم تلفیقی جدید پیش بینی روند شاخص صنایع بازار بورس و اوراق بهادار تهران |
|
| چکیده فارسی مقاله |
با توجه به ساختار دینامیکی و نوسانات غیرخطی بازار سهام، پیش بینی دقیق روند این بازار با استفاده از روش های قدیمی دشوار است. در این تحقیق به منظور بهبود دقت پیش بینی روند شاخص در صنایع مختلف، الگوریتم جدیدی از تلفیق دو الگوریتم درونیابی فرکتال و رگرسیون ماشین بردار پشتیبان به نام اختصاری الگوریتم فرکسیون پیشنهاد می کنیم. برای این منظور پس از تشخیص فرکتال بودن ساختار صنایع با استفاده از نمایه هرست هر صنعت، مقدار شاخص در هر صنعت فرکتالی را به عنوان داده های اولیه برای پیش بینی روند شاخص در نظر می گیریم. سپس با اصلاح الگوریتم درونیابی فرکتال، به تولید داده های جدید می پردازیم و در پایان با فراخوانی الگوریتم رگرسیون بردار پشتیبان بر روی داده های بدست آمده، به پیش بینی روند شاخص خواهیم پرداخت. نتایج حاصل از پیاده سازی الگوریتم ترکیبی فرکسیون و مقایسه آن با دو روش مرسوم یعنی شبکه عصبی مصنوعی و رگرسیون ماشین بردار پشتیبان، حاکی از برتری دقت پیش بینی الگوریتم پیشنهادی است. |
|
| کلیدواژه‌های فارسی مقاله |
درونیابی فرکتال، شبکه عصبی مصنوعی(ANN)، رگرسیون بردار پشتیبان (SVR)، شاخص صنایع، تحلیل آماری R/S |
|
| عنوان انگلیسی |
FRACSION: A Novel Hybrid Algorithm for Forecasting the Industry Index Trend in Tehran Stock Exchange |
|
| چکیده انگلیسی مقاله |
Due to the dynamic structure and nonlinear fluctuations of the stock market, it is difficult to accurately predict the trend of this market using the old methods. In this study, in order to improve the accuracy of predicting the index trend in different industries, we propose a new algorithm that combines algorithms fractal interpolation and support vector machine regression, abbreviated as fracsion algorithm. . For this purpose, after recognizing the fractal structure of industries using the Hurst exponent of each industry, we consider the value of the index in each fractal industry as the primary data to predict the trend of the index. Then, by modifying the fractal interpolation algorithm, we will generate new data, and finally, by calling the support vector regression algorithm on the obtained data, we will predict the index trend. The results of the implementation of the Hybrid fracsion algorithm and its comparison with two conventional methods, namely artificial neural network and support vector machine regression, indicate the superiority of the predictive accuracy of the proposed algorithm. |
|
| کلیدواژه‌های انگلیسی مقاله |
Fractal interpolation, Artificial Neural Network (ANN), Support Vector Regression (SVR), Industry index, Statistical analysis R/S |
|
| نویسندگان مقاله |
حمیدرضا یوسف زاده | Hamid Reza Usefzadeh
payam noor university
دانشگاه پیام نور
امین کرابی | Amin Karrabi
payam noor university
دانشگاه پیام نور
عقیله حیدری | Aghileh Heidari
payam noor university
دانشگاه پیام نور
|
|
| نشانی اینترنتی |
http://mmr.khu.ac.ir/browse.php?a_code=A-13-909-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
ریاضی |
| نوع مقاله منتشر شده |
مقاله استخراج شده از پایان نامه |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|
