پیش بینی روند بورس سهام ایران با استفاده از نوسان نمای موج الیوت و شاخص قدرت نسبی
محل انتشار: فصلنامه تحقیقات مالی، دوره: 23، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 198
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-23-1_007
تاریخ نمایه سازی: 10 بهمن 1400
چکیده مقاله:
هدف: تئوری موج الیوت، از ابزارهای تحلیل تکنیکال و مبتنی بر روان شناسی افراد است که در سال های اخیر به ابزار مهمی برای تحلیلگران و سرمایه گذاران تبدیل شده است. این تئوری، در تمام بازارهای مالی، به خصوص بازار سهام، وجود دارد که از آن استقبال عمومی شده و با حرکت توده ای همراه است. این پژوهش، برگرفته از این نظریه، در پی این هدف است که آیا از طریق نوسان نمای موج الیوت و الگوریتم های یادگیری ماشین از نوع دارای نظارت و طبقه بندی، می توان روند آتی بازار سهام ایران را پیش بینی کرد؟ روش: در این پژوهش، ابتدا داده های شاخص کل، به عنوان دماسنج اقتصاد و نمایانگر وضعیت کلی بازار سهام ایران از تاریخ ۲۵/۰۲/۱۳۸۷ تا ۰۵/۰۹/۱۳۹۹ به طور روزانه بررسی شد و با استفاده از نوسان نمای موج الیوت و شاخص قدرت حرکت، حرکات جنبشی و اصلاحی شناسایی و به سه دسته خرید، فروش و نگهداری برچسب گذاری شدند. سپس، خروجی این مرحله به سه الگوریتم یادگیری ماشین شامل درخت تصمیم، بیز ساده و ماشین بردار پشتیبان داده شد تا برای یادگیری و پس از آن، پیش بینی روند روی داده های آزمون، آزمایش شوند. یافته ها: نتایج نشان داد که در شاخص بورس اوراق بهادار تهران، شناسایی امواج الیوت امکان پذیر است و الگوریتم های ماشین بردار پشتیبان و درخت تصمیم، قادرند، روند شاخص کل را برای آینده با دقت بالای ۹۰ درصد پیش بینی کنند. نتیجه گیری: در بازار سرمایه ایران نمودار شاخص کل رفتار الیوتی رعایت شده و تمامی افراد فعال در بورس تهران، می توانند از روش پیشنهادی برای سیستم معاملاتی خود بهره ببرند.
کلیدواژه ها:
نویسندگان
سمیرا سیف
دانشجوی دکتری، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
بابک جمشیدی نوید
استادیار، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
مهرداد قنبری
استادیار، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
منصور اسماعیل پور
استادیار، گروه کامپیوتر، دانشکده فنی مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :