۵ شخارک پتروشیمی خارک ۶ پلاسک پلاسکوکار سایپا ۷ شسینا صنایع شیمیایی سینا ۸ شفارس صنایع شیمیایی فارس ۹ شیراز پتروشیمی شیراز ۱۰ شبلی پلی اکریل ایران جدول ۴-۱ نام شرکتهای نمونه(یافتههای محقق)۴-۲-۳٫ سؤال‌های مختلف برای پیشبینی قیمت سهامامروزه شبکههای عصبی مصنوعی جایگاه مهمی در ادبیات پیشبینی متغیرهای اقتصادی به خود اختصاص دادهاند. مهمترین مزیت

تجزیه‌وتحلیل داده‌هامقدمهتجزیه‌وتحلیل داده‌ها برای بررسی صحت مدل ارائه‌شده در تحقیق از اهمیت خاصی برخوردار است و امروزه در بیشتر تحقیقاتی که مبتنی بر اطلاعات جمع‌آوری‌شده از موضوع موردپژوهش است تجزیه‌وتحلیل از اصلیترین و مهم‌ترین بخشهای پژوهش محسوب میشود. داده‌های خام با استفاده از نرم‌افزارها مورد تجزیه‌وتحلیل قرار می‌گیرند و پس از پردازش به شکل اطلاعات

به‌منظور انجام این تحقیق، داده‌های روزانه مربوط به شاخص کل بازار اوراق بهادار تهران و همچنین قیمت پایانی و حجم معاملات شرکت‌های حاضر در تحقیق برای ۷۲ ماه منتهی به اخراسفند‌ماه ۱۳۹۳ انتخاب‌شده است. ابزار اندازه‌گیری و محاسبه‌ی متغیرهاپس از جمع‌آوری داده‌هایی که برای انجام تحقیق موردنیاز هستند، انتخاب ابزاری مناسب به‌منظور محاسبه و تجزیه‌وتحلیل اطلاعات

روش تحقیقمقدمهیکی از مهم‌ترین مراحل انجام هر تحقیق علمی، روش انجام آن است. اگر یک تحقیق از مبانی نظری بسیار قوی برخوردار باشد و داده‌های آن به‌صورت دقیق و کامل گردآوری‌شده باشند، اما از روش تحقیق مناسبی برای تجزیه‌وتحلیل داده‌ها استفاده‌نشده باشد، نتایج تحقیق چندان قابل‌اتکا نخواهند بود. به همین دلیل، برای رد یا عدم

در بورس اوراق بهادار تهران ۱٫ مدل غیرخطی اریما۲٫ مدل خطی گراچ۳٫ شبکه عصبی مصنوعی دادههای هفتگی شاخص بورس سهام اوراق بهادار تهران . کارایی بالای مدل‌های مبتنی بر هوشمصنوعی این امکان وجود دارد که علاوه بر استفاده از دو مدل سری‌های زمانی و شبکه‌های عصبی مصنوعی، از مدل‌های منطق فازی مانند فاریما نیز برای

پیش‌بینی قیمت سهام با استفاده از باشاخص‌های ترکیبی بازار به روش شبکه عصبی شبکه عصبی داده‌های روزانهداده‌های بنیادی روش ترکیبی دقت پیش‌بینی قیمت سهام را بالا می‌برد. یاکوب کاراوهمکاران ۲۰۱۱ پیش‌بینی جهت حرکت شاخص قیمت سهام بورس استانبول شبکه عصبی فازیماشین بردار پشتیبان داده‌های روزانه شاخص فنی شبکه عصبی فازی دقت بالتری نسبت به ماشین

برای پیش‌بینی از شیوه‌های مختلف استفاده می‌گردد. یک نوع تقسیم‌بندی به شکل زیر است:پیش‌بینی‌های قضاوتی (کیفی)[۱۱]: در مواقع که اطلاعات دقیق و کاملی در مورد مسائله وجود نداشته باشد. از این نوع پیش‌بینی استفاده می‌شود. در این روش کوشش می‌شود نظرات ذهنی به‌صورت پیش‌بینی‌های کمی درآیند. ازجمله پیش‌بینی‌های قضاوتی می‌توان به تکنیک دلفی و روش تجمعی