پایان نامه پیش بینی قیمت سهام با داده کاوی با عنوان کامل پيش بيني قيمت سهم در بورس اوراق بهادار به کمک داده کاوي با الگوريتم هاي ترکيبي تکاملي  می باشد.


محققان بسياري سعي نموده اند تا با به کارگيري روشهاي گوناگون پيش بيني به نتايج قابل قبولي در پيش بيني قيمت سهام در بازارهاي پول و سرمايه دست يابند. سير تحقيقات نشان دهنده آن است که از مدلهاي ساده و تک بعدي ابتدايي، روشها به سمت مدلهاي روشهاي زماني، مدلهاي بهينه سازي کلاسيک، روشهاي هوش مصنوعي و روشهاي ترکيبي حاصل از ترکيب انواع مدلهاي اشاره شده حرکت نموده اند. در مواردي روشهاي مبتني بر تحليل سري هاي زماني مانند الگوريتم هموارسازي نمايي و يا تحليل روند مورد استفاده قرار گرفته اند. تحقيقات متعددي با هدف پيش بيني قيمت سهام شرکتها در بازارهاي پول و سرمايه با روشهاي مختلفداده کاوي صورت گرفته است. بسياري تحقيقات بر اساس به کارگيري شبکه عصبي مصنوعي شکل گرفته اند و محققان به اشکال گوناگون به بررسي کارايي آن الگوريتم پرداخته اند.  

 

 

 

 


در تحقيقي [1] از شبکه عصبي پيشرو به منظور پيش گويي قيمت سهام استفاده نموده اند. در اين تحقيق، به کمک فرايند داده کاوي يکپارچه، داده هاي انتخاب، نمونه داده ها، تبديل داده ها، مدلسازي شبکه، شبيه سازي شبکه و ارزيابي نتايج به دست آمده، پيش گويي روند شاخص کل بازار بوري شانگهاي با دقت بالاتري به دست آمد. نتيجه اين تحقيق، مزيت استفاده از شبکه عصبي پيشرو با يادگيري پيش انتشار را در پيش گويي سيستمهاي غيرخطي نشان داد.

 

 

 

 

همچنين در تحقيق ديگري [2] به مطالعه تجربي بر روي يك شبكه عصبي مصنوعي، كه حاصل تجارب پياده سازي مدل انتشار – بازگشتي پيش بيني قيمت سهام است را گزارش مي دهد پرداختند. در راستاي آزمون قابليتهاي پيش بيني شبكه عصبي، مدل انتشار – بازگشتي براي پيش بيني قيمت سهام ايجاد گرديد. پارامترهاي اين نوع شبكه تغيير داده شد و نتايج پيش بيني ثبت گرديد. اين پارامترها عبارت بودند از : الگوريتم يادگيري، بازه نگاه به گذشته، تعداد نورون ها در لايه پنهان و توابع فعال ساز كه اثرات تغييرات آنها در اين مقاله موردمطالعه قرار گرفت . 

 

 

 

 

 

 

 

 

 


فهرست مطالب
فصل 1 : معرفی تحقیق    1
1-1 مقدمه    1
1-2 تعريف مساله    2
1-3 اهميت مساله    3
1-4 هدف تحقيق    5
1-5 سئوالات تحقيق    6
1-6 مفروضات تحقيق    7
1-7 دامنه تحقيق    8
1-8 ساختار تحقيق    9

 

 

فصل 2 : پیشینه تحقیق    11
2-1 مدلهاي پيش بيني قيمت سهم در تحقيقات پيشين    11
2-2 انتخاب/ استخراج ويژگي در قيمت سهم در تحقيقات پيشين    22

 

 


فصل 3 : مبانی نظری تحقیق    24
3-1 بازار بورس اوراق بهادار    24
3-2 تکنيکهاي رايج تحليل و پيش بيني قيمت سهام    25
3-3 تکنيکهاي نوين تحليل داده ها    27
3-3-1 داده کاوي    28
3-3-2 شبکه عصبي مصنوعي    35
3-3-3 الگوريتمهاي تکاملي    41
3-3-3-1 الگوريتم ژنتيک    44
3-3-3-2 الگوريتم بهينه سازي ازدحام ذرات    47
3-3-3-3 الگوريتم رقابت استعماري    51

 

 

فصل 4 : روش تحقیق    57
4-1 فرايند CRISP    57
4-1-1 تعريف مساله    57
4-1-2 تحليل داده ها    57
4-1-3 آماده سازي داده ها    58
4-1-4 مدلسازي    58
4-1-5 ارزيابي    59
4-1-6 پياده سازي    59

 

 


فصل 5 : اجرا    60
5-1 اجراي فرايند CRISP    60
5-1-1 مجموعه داده ها    60
5-1-2 کيفيت داده ها و کاهش داده ها    64
5-1-3 پياده سازي شبکه عصبي مصنوعي براي سري هاي زماني    66
5-1-3-1 معماري شبکه عصبي مصنوعي    66
5-1-3-2 تطبيق ورودي هاي زماني به عنوان ورودي شبکه عصبي مصنوعي    68
5-1-4 پياده سازي آموزش شبکه عصبي مصنوعي با الگوريتمهاي تکاملي    69
5-1-4-1 الگوريتم ژنتيک    70
5-1-4-2 الگوريتم بهينه سازی ازدحام ذرات    71
5-1-4-3 الگوريتم رقابت استعماري    73
5-1-4 به کارگيري شبکه عصبي مصنوعي آموزش ديده با الگوريتم هاي تکاملي    75

 

 


فصل 6 : تحلیل یافته ها، نتیجه گیری و پیشنهاد ها    79
6-1 نتيجه گيري و پاسخ به سئوالات تحقيق    79
6-2 تحقيقات پيشنهادي آينده    84

 

 


فهرست منابع    

 

 

 


پيوست ها    87
پيوست 1: کد شبکه عصبي سري زماني با آموزش با الگوريتم پيش انتشار خطا    87
پيوست 2: کد شبکه عصبي مصنوعي با آموزش با الگوريتم ژنتيک    88
پيوست 3: کد شبکه عصبي مصنوعي با آموزش با الگوريتم ازدحام ذرات    91
پيوست 4: کد شبکه عصبي مصنوعي با آموزش با الگوريتم رقابت استعماري    93

 

 

 


فهرست جدول ها
جدول شماره  ‏2 1: مقایسه نتایج پیش بینی مدل بت-عصبی با سه مدل دیگر    13
جدول شماره  ‏2 2: مقايسه نتايج پيش گويي مدل ارائه شده با مدلهای ديگر    14
جدول شماره  ‏2 3: نسل  بندي روشهاي تحقيق در پيش بيني قيمت سهم    16
جدول شماره  ‏3 1: شبه کد الگوريتم پيش انتشار خطا    30
جدول شماره  ‏3 2: شبه کد عمومي الگوريتم هاي تکاملي    32
جدول شماره  ‏3 3: شبه کد الگوريتم ژنتيک    34
جدول شماره ‏3 4  : شبه کد الگوريتم ازدحام ذرات    37
جدول شماره ‏3 5  : شبه کد الگوريتم رقابت استعماري    41
جدول شماره  ‏5 1: نماد سهم هاي انتخاب شده    46
جدول شماره  ‏5 2: اندازه کاهش يافته داده ها    51
جدول شماره  ‏5 3: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم ژنتيک    54
جدول شماره  ‏5 4: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم ازدحام ذرات    55
جدول شماره  ‏5 5: ساختار پياده سازي آموزش شبکه عصبي با الگوريتم رقابت استعماري    56
جدول شماره  ‏5 6: نتايج mse شبکه عصبي آموزش ديده با الگوريتم ژنتيک    58
جدول شماره  ‏5 7: نتايج mse شبکه عصبي آموزش ديده با الگوريتم ازدحام ذرات    58
جدول شماره  ‏5 8: نتايج mse شبکه عصبي آموزش ديده با الگوريتم رقابت استعماري    59
جدول شماره  ‏5 9: نتايج mse شبکه عصبي آموزش ديده با الگوريتم پيش انتشار خطا    59
جدول شماره  ‏6 1: ميانگين و انحراف معيار خطاي اجراهاي ANN و BP    61
جدول شماره  ‏6 2: نتايج خطاي پيش بيني با ANN و PSO    63
جدول شماره  ‏6 3: نتايج خطاي پيش بيني با ANN و ICA    63

 

 

 

 

 

فهرست شکل ها
شکل شماره  ‏3 1 : نمونه اي تحليل قيمت سهم با ابزارهاي رويکرد تحليل تکنيکال    20
شکل شماره ‏3 2 : فرايند CRISP    23
شکل شماره ‏3 3 : ساختار يک نورون    27
شکل شماره ‏3 4 : نمونه اي از يک شبکه عصبي مصنوعي با يک لايه پنهان    28
شکل شماره ‏3 5 : نمونه نورون در شبکه عصبي مصنوعي پيشرو    29
شکل شماره ‏3 6 : فلوچارت عمومي الگوريتم هاي تکاملي    32
شکل شماره ‏3 7 : نمايش ترکيب تک نقطه اي    35
شکل شماره ‏3 8  : نمايش حرکت ذره در PSO    36
شکل شماره ‏3 9: نمايش نمونه اي تقسيم کلوني ها به امپرياليست ها    40
شکل شماره ‏3 10: حرکت خطي کلوني    41
شکل شماره  ‏3 11: حرکت زاويه اي کلوني    41
شکل شماره ‏5 1  : نمودار قيمت روزانه سهام نماد بکام    48
شکل شماره ‏5 2  : نمودار قيمت روزانه سهام نماد وپارس    48
شکل شماره ‏5 3  : نمودار قيمت روزانه سهام نماد وغدير    49
شکل شماره ‏5 4  : نمودار قيمت روزانه سهام نماد خودرو    49
شکل شماره ‏5 5  : نمودار قيمت روزانه سهام نماد رانفور    50
شکل شماره ‏5 6  : شبکه عصبي مصنوعي با داده هاي سري زماني    53
شکل شماره ‏6 1  : تابع احتمال تجمعي توزيع نرمال برازش شده خطا    61
شکل شماره ‏6 2  : تابع احتمال تجمعي توزيع نرمال برازش شده خطا ANN و EAs    62