فایل ورد کامل مطالعه سیستم های شبکه عصبی خفاشی در پیش بینی قیمت سهام: مطالعه موردی در قیمت سهام DAX

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مطالعه سیستم های شبکه عصبی خفاشی در پیش بینی قیمت سهام: مطالعه موردی در قیمت سهام DAX،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۰ صفحه

۵ نتیجه گیری
در این تحقیق چهار لایه معماری BNNMAS برای برخورد با طبیعت توزیع شده مشکل پیش بینی سهام ارائه شده است. استفاده از روش چند عامل برای ایجاد کارهای فرعی مستقل و مستقل به طراحی یک مدل دقیق پیش بینی شده است. BNNMAS با استفاده از روش پردازش در راه موازی مانند داده های عادی، زمان انتخاب تاخیر و انتخاب ویژگی های مناسب با داده ها، کار عملیات را انجام می دهد. روش فراابتکاری به نام خفاش برای آموزش شبکه عصبی مصنوعی استفاده می شود و به تازگی توسعه یافته. به منظور بررسی دقت پیش بینی مدل، با استفاده از داده های موجود بین سال های ۱۹۷۲ تا ۲۰۱۲ برای پیش بینی قیمت سهام DAX تست شده است. محاسبه آمار MAPE نشان داد که مدل BNNMAS پیشنهادی قابل توجهی بهتر از برخی از مدل های دیگر مانند GANN، و غیره است و علاوه بر این داده ها از آزمون ما شامل هشت سال تا پایان سال ۲۰۱۲ است، و به دلیل بحران مالی در این دوره از زمان دقت خوبی در نتایج داده ها اتفاق افتاده است. BNNMAS قابلیت قوی در این مدل نشان داد. بنابراین سرمایه گذاران قادر به مقابله با افزایش عدم اطمینان از پیچیدگی در مجموعه داده ها هستند. تلاش پژوهش های آینده اختصاص داده شده به استفاده از مدل ارائه شده در موارد دیگر برای ارزیابی استحکام مدل، اجرای یک لایه از جمله جمع آوری داده های کمی و کیفی برای ایجاد یک مجموعه داده جامع، اجرای مرحله برنامه ریزی سناریو به تکمیل تمام مدل ارائه شده و ارائه سهام بر اساس سناریوهای توسعه یافته است.

عنوان انگلیسی:A bat-neural network multi-agent system (BNNMAS) for stock price prediction: Case study of DAX stock price~~en~~

۵ Conclusion

In this research we proposed a four layer BNNMAS architecture for dealing with the distributed nature of stock prediction problem. We used multi-agent approach to create autonomous and independent subtasks to design an accurate prediction model. Our BNNMAS uses preprocess methods in a parallel way such as data normalization, time lag selection and feature selection. We applied a recently developed metaheuristic method named bat to train an artificial neural network. To evaluate the prediction accuracy we tested our model using 1972–۲۰۱۲ quarterly data to predict DAX stock price. Calculating MAPE statistic showed that our proposed BNNMAS model significantly works better than some other models such as GANN, etc. Moreover our test data containing eight years end to 2012, and because of the financial crisis happened in this period of time the good accuracy reached by BNNMAS showed the robust capability of the model. In addition we focused on fundamental data to improve long term prediction accuracy refers to researches did in the literature. So investors are able to deal with the uncertainty rise from the complexity exist in dataset inherently. Future research effort will be devoted to (1) applying proposed model on other cases to evaluate the robustness of the model, (2) implementing layer one including gathering quantitative and qualitative data to create a comprehensive dataset, (3) executing scenario planning phase to complete the whole proposed model and offering stocks based on developed scenarios.

$$en!!