خط مشی دسترسیدرباره ما
ثبت نامثبت نام
راهنماراهنما
فارسی
ورودورود
صفحه اصلیصفحه اصلی
جستجوی مدارک
تمام متن
منابع دیجیتالی
رکورد قبلیرکورد بعدی
Record identifier : 565096
Personal Name - Primary Intelectual Responsibility : Jamshidiyan, Mahya
Title and statement of responsibility : "A multiple-kernel support vector regression approach for stock market price forecasting" [Thesis]/جمشیدیان، محیا;supervisor: A.T.Payandeh;advisor: Gh. Mahdavi
Language of the Item : eng
Internal Bibliographies/Indexes Note : Bibliography
Dissertation of thesis details and type of degree : MASTER OF SCIENCE
Discipline of degree : , ACTUARIAL SCIENCE
Body granting the degree : , Allameh Tabatabai University, E.C.O. College of Insurance
Summary or Abstract : با توجه به اهمیت پیش بینی و پیچیدگی و اثر گذاری عوامل بسیار زیاد اقتصادی ، سیاسی و فرهنگی بر بازار های مالی و تاثیر گزاری آن به طور مستقیم بر بازار بورس و با توجه به روش های ارائه شده جهت پیش بینی ، لزوم ارائه روشی مناسب که هم دارای دقت بالایی بوده و هم امکان پیاده سازی توسط کاربران نیمه آماتور را داشته باشد احساس می شود. اگر چه اجرای روشهای سنتی سری زمانی به آسانی صورت می پدیرد لیکن در بسیاری موارد دارای دقت پایین بوده و از طرفی روش های متداول شبکه های عصبی نیز با پیچیدگی های فراوان همراه می باشد ، روش اراده شده ترکیبی از روش های فوق می باشد.یافته های تحقیق تفاوت قابل توجه دقت پیش بینی روش پیشنهادی را نسبت به روش های مقایسه شده نشان می دهد با این نکته که در بازه های زمانی کوتاه این دقت بسیار بیشتر است اما با فاصله گرفتن از داده های اصلی به مرور دقت روش چند هسته نسبت به روش های سری زمانی کاهش می یابد
: Forecasting of stock prices is a difficult activity in the modern business world. Many factors influence on the behavior of the stock market, including both economic and noneconomic. Therefore, stock market forecasting is regarded as one of the most challenging topics in business.SVR is a programming problem of neural networks which is used in order to predict and solved by iteration program and estimated kernel multipliers by calculating Lagrange multipliers and finally find a hyper plane regression. The objective of the thesis is comparing the power of predicting by this method with SKSVR and time series method which shows a really better result, especially for short time predicting. The data are given from Tehran stock market and implemented by matlab and eviews software..
Topical Name Used as Subject : Stock market forecasting
: Support vector regression
: Multiple kernel learning
Uncontrolled Subject Terms : رگرسیون بردار پشتیبان
: پیش بینی قیمت بورس
Information of biblio record : TL
 
 
 
(در صورت عدم وضوح تصویر اینجا را کلیک نمایید)