پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی- قسمت ۳۵
شبلی

۰٫۹۹۴

۱۳۱۶۲۱

۳۶۲

۰٫۰۳۸

۲۱۰

جدول ۴-۷ شبکه عصبی مدل دوم کل داده‌ها با متغیرهای فنی (یافتههای محقق)
که آموزش با داده‌های تکنیکال به‌خوبی انجام پذیرفته است. پس از اطمینان از مدل شبکه عصبی زیر، می‌تواند روند تغییر قیمت را برای هر دوره تغییر خاص موردبررسی در مدل پیش‌بینی کرد.
۴-۴-۳٫ سؤال سوم: تعیین عامل‌های مهم در تعیین نرخ اوراق در شرکت‌های شیمیایی
در این سؤال علاوه بر متغیرهای ترکیبی از اطلاعات یک گروه متغیر دیگر به نام متغیرهای اقتصادی شامل: قیمت نفت، متوسط قیمت دلار در هفته، قیمت سکه و شاخص کل بورس اضافه گردیده است و همچنین به‌منظور یافتن شبکه مناسب، شبکه را با استفاده از دادههای آموزشی، مانند سؤالات قبل آموزش دادیم. پس از آموزش شبکه، عملکرد آن را بر روی‌داده‌های آزمایشی سنجیدیم. این عملیات را باکم و زیاد کردن تعداد لایهها و نرون‌های لایه پنهان پرداختیم، تابع مورداستفاده تابع سیگمودی جهت لایه میانی، تابع خطی به عنوان تابع لایه خروجی و الگوریتم پرسپترون به عنوان الگوریتم آموزش است. نتیجه را تکرار نمودیم تا به یک ساختار مناسب دست‌یافتیم؛ که نتایج شبکه عصبی با متغیرهای ترکیبی بنیادی، فنی و اقتصادی برای کل داده‌ها و آزمایش آن به شرح زیر است:

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

برچسب ها :

نام شرکت R2 MSE RMSE MAPE MAE
شپترو ۰٫۹۹۷ ۵۸۲۴۲ ۲۴۱ ۰٫۰۲۴ ۱۴۰
شاراک ۰٫۹۹۸ ۴۲۷۴۹ ۲۰۶ ۰٫۰۲۷ ۱۳۷