زده شاخص بورس اوراق بهادار تهران

دانشگاه علوم اقتصادی

دانشکده علوم مالی

پایان­نامه برای دریافت درجه­ی کارشناسی ارشد در رشته­ی مدیریت مالی

تحلیل مقایسه­ای کارآمدی مدل­های رگرسیون بردار پشتیبان، شبکه عصبی و ARIMA با مدل­های ترکیبی در پیش ­بینی بازده شاخص بورس اوراق بهادار تهران

استاد راهنما:

دکتر محمدعلی رستگار

استاد مشاور:

دکتر محمدرضا رستمی

بهمن 1393

(در فایل دانلودی نام نویسنده موجود است)(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است) 9101212131314141415151-8-6) روش یا روش­های نمونه گیری.  151517192-2) انواع داده ها.                             . 212-2-1 ) داده­های سری زمانی.                          212-2-2) داده­های مقطعی212-2-3) داده­های پانل2222222224242525272828303031323333333436384044452-13-8) طراحی شبکه­ی عصبی4548492-14) ماشین بردار پشتیبان502-15) ماشین بردار پشتیبان دو کلاسه.522-16) ماشین بردار پشتیبان با حاشیه ثابت.542-17) ماشین بردار پشتیبان با حاشیه منعطف.582-18) ماشین بردار پشتیبان چند کلاسه.592-19)رویکرد طبفه بندی غیر خطی در ماشین بردار پشتیبان602-20) رگرسیون بردار پشتیبان.632-20-1) رگرسیون خطی بردارپشتیبان632-20-2) رگرسیون غیرخطی بردار پشتیبان662-21) مزایا و معایب ماشین بردار پشتیبان6768.73797980808083848586873-9) آزمون دایبولد- ماریانو.873-10) جمع بندی.894-1) مقدمه91929396100116118119121 3840434345شکل2-6) طبقه بندی کلاس داده ها توسط ماشین بردار پشتیبان.53شکل 2-7) طبقه بندی بهینه کلاس داده ها توسط ماشین بردار پشتیبان .54شکل2-8) ماشین بردار پشتیبان با حاشیه ثابت .55شکل2-9) فرآیند ماشین بردار پشتیبان .57شکل 2-10) ماشین بردار پشتیبان با حاشیه نرم. .59شکل 2-11) طبقه بندی غیر خطی ماشین بردارپشتیبان .60شکل 2-12) تابع ضرر وپنیک و متغیرهای slack 64 .94959799.100102105104105106107جدول 4-12) آزمون مقایسه زوجی مدل ترکیبی آریما و رگرسیون بردار پشتیبان با آریما( قدر مطلق خطا)108جدول4-13) آزمون مقایسه زوجی مدل ترکیبی آریما و رگرسیون بردار پشتیبان با SVR( قدر مطلق خطا)108جدول4-14) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه مدل ترکیبی آریما و SVR با هر یک بطور مجزا(قدر مطلق خطا)109جدول 4-15) آزمون مقایسه زوجی مدل ترکیبی آریما و رگرسیون بردار پشتیبان با آریما( قدر مطلق درصد خطا)112جدول 4-16) آزمون مقایسه زوجی مدل ترکیبی آریما و شبکه عصبی با شبکه عصبی( قدر مطلق خطا)112جدول4-17) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه مدل ترکیبی آریما و SVR با هر یک بطور مجزا(قدر مطلقدرصد خطا).112جدول 4-18) آزمون مقایسه زوجی دو مدل ترکیبی(قدر مطلق خطا)113جدول4-19) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه دو مدل ترکیبی(قدر مطلق خطا)114جدول 4-20) آزمون مقایسه زوجی دو مدل ترکیبی( قدر مطلق درصد خطا)114جدول4-21) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه دو مدل ترکیبی(قدر مطلق درصد خطا).115

فهرست مطالب

فصل اول:
1-1) مقدمه 8
1-2) تشریح و بیان موضوع. 9
1-3) ضرورت انجام تحقیق.
1-4) سابقه تحقیقات و مطالعات انجام گرفته
1-5) فرضیه‌های تحقیق.
1-6) اهداف اساسی از انجام تحقیق.
1-7) نتایج مورد انتظار پس از انجام این تحقیق
1-8) روش انجام پژوهش.
1-8-1 ) روش تحقیق
1-8-2) روش های گردآوری اطلاعات
1-8-3) قلمرو تحقیق
1-8-4) جامعه­ی آماری
1-8-5) نمونه­ی آماری

1-8-7) روش های مورد نظر برای تجزیه و تحلیل اطلاعات و آزمون فرضیه‌ها.
1-9)تعریف واژه­ها و اصطلاحات تخصصی طرح
فصل دوم:
2-1)  مقدمه.

2-3) مدل­های سری زمانی تک متغیره
2-4) مفاهیم مهم در تحلیل سری­های زمانی
2-4-1)  مانایی.
2-4-2 ) خودکوواریانس، خودهمبستگی و خودهمبستگی جزئی.
2-4-3)  تابع خودهمبستگی و خودهمبستگی جزئی
2-4-4)  فرآیند نوفه­ی سفید
2-4-5 ) آماره­ی Q.
2-5)  فرآیندهای خودرگرسیو(AR)
2-6)  فرآیندهای میانگین متحرک (MA).
2-7)  فرآیندهای خودرگرسیو  میانگین متحرک (ARMA) . .
2-8)  مدل­های خودرگرسیو میانگین متحرک انباشته (ARIMA) .
2-9)  مراحل ساخت مدل­های  ARIMA. .
2-10 ) انواع نامانایی.
2-11 ) آزمون ریشه­ واحد. .
2-12)  معیارهای اطلاعاتی. .
2-13)  شبکه ­های عصبی مصنوعی.
2-13-1) نرون­های بیولوژیکی.
2-13-2) سیر تاریخی شبکه ­های عصبی. .
2-13-3) کاربرد شبکه ­های عصبی.
2-13-4) اجزا و ساختار شبکه ­های عصبی. .
2-13-5) مدل ریاضی نرونها
2-13-6)  الگوریتم پس­انتشار خطا
2-13-7) معماری شبکه ­های پس­انتشار

2-13-9) الگوریتم یادگیری Levenberg- Marquardt.
2-13-10) مزایا و معایب شبکه­ی عصبی.

2-22)  شبکه ­های عصبی و عملکردهای متفاوت.
2-23)  مروری بر مطالعات ترکیبی.
فصل سوم:
3-1) مقدمه
3-2) فرضیه ­های تحقیق
3-3) متغیرهای تحقیق و نحوه گردآوری داده­ ها
3-4) دوره­ی زمانی انجام تحقیق و روش نمونه گیری
3-5) برازش مدل خودرگرسیو میانگین متحرک انباشته(ARIMA)
3-6) برازش شبکه­ی عصبی مصنوعی
3-7) مدل ترکیبی
3-7-1) شرح  مدل ترکیبی
3-7-2) برازش مدل ترکیبی
3-8) مقایسه­ عملکرد و آزمون فرضیه

فصل چهارم:

4-2) بررسی مانایی بازده­های لگاریتمی.
4-3)محاسبه­ی معیار میانگین مجذور خطا.
4-4) محاسبه­ی تابع زیان قدر مطلق درصد خطا.
4-5) آزمون فرضیه ­های تحقیق
 فصل پنجم:
5-1) نتیجه­گیری
5-2) پیشنهادات برای تحقیقات آتی

ادامه خواندن