خلاصة:
فعالان بورس درصدد دستیابی و به کارگیری روشهایی هستند تا بتوانند با پیشبینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر میرسد که روشهای مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایهگذار قرار گیرد. تاکنون روشهای مختلفی جهت نیل به این هدف معرفی شدهاند که اغلب روشهای آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصادفی که در زمره روشهای طبقهبندی هوش مصنوعی میباشد، به همراه شاخصهای فنی: شاخص قدرت نسبی قیمت، استوکاستیک، حجم تعادل موازنه شده، ویلیامز R%، بازدهی روزانه و شاخص سری مکدی به دنبال پیشبینی روند قیمت در بازار سهام و مقایسه آن با روشهای موجود است. نتیجهی پژوهش بر روی دادههای روزانه شاخص بورس اوراق بهادار تهران در سالهای 1393 تا 1395 نشان میدهد که دقت روش پیشنهادی در برآورد روند بازار 64 درصد میباشد و نسبت به دو روش مقایسه شده رگرسیون لجستیک و روش کاملا تصادفی از دقت بالاتری برخوردار است.
Stock market activists are the acquiring and using methods to predict future stock prices, increasing their capital gains. Therefore, it seems necessary that appropriate, correct, and scientific principles are used to determine the future price of the stock of investor stock options.stock price prediction is an important part of investment, and in most cases it is the field of research for researchers, because it ultimately leads to the choice of appropriate investment. Different methods have now been developed to achieve this goal. Have been introduced that are often statistical methods and artificial intelligence. In this research, using a randomized approach approach that is among artificial intelligence classification methods, along with technical indicators that include: power index Relative Price, Stochastic, Equilibrium Balance, Williams R%, Daily Returns, and Mac.d Series Markets, are looking for stock price trends. This model is compared with logistic regression method and completely randomized method (dice throw). The results of the research on daily data of Tehran Stock Exchange Index from 1393 to 1395 indicate that the accuracy of the proposed method in estimating market trend is 64%, which is more than two methods of logistic regressionand completely randomized method of accuracy Has a higher rate.
ملخص الجهاز:
در پژوهش حاضر با استفاده از رويکرد جنگل تصادفي که در زمره روشهاي طبقه بندي هوش مصنوعي ميباشد، به همراه شاخص هاي فني: شاخص قدرت نسبي قيمت ، استوکاستيک ، حجم تعادل موازنه شده، ويليامز %R، بازدهي روزانه و شاخص سري مک دي به دنبال پيش بيني روند قيمت در بازار سهام و مقايسه آن با روشهاي موجود است .
نتيجه ي پژوهش بر روي دادههاي روزانه شاخص بورس اوراق بهادار تهران در سالهاي ١٣٩٣ تا ١٣٩٥ نشان ميدهد که دقت روش پيشنهادي در برآورد روند بازار ٦٤ درصد ميباشد و نسبت به دو روش مقايسه شده رگرسيون لجستيک و روش کاملا تصادفي از دقت بالاتري برخوردار است .
آهنگري (١٣٩٠) در مقاله اي تحت عنوان "بکارگيري الگوريتم درخت تصميم جهت پيش بيني شرکت هاي ورشکسته و غيرورشکسته پذيرفته شده در بورس اوراقبهادار" در اين تحقيق با استفاده از دادههاي نسبت هاي مالي ١٤٤ شرکت پديرفته شده در بورس تهران در بازه زماني انتخابي نمونه شامل سالهاي ١٣٨٤ تا ١٣٨٨ فرآيند دادهکاوي صورت پذيرفت .
نوري جلياني(١٣٩١)در تحقيقي تحت عنوان" استفاده از جنگل تصادفي در پيش بيني شاخص کل بازار بورس تهران" که در اين تحقيق با بکارگيري متغييرهايي از جمله حجم مبني و نسبت قيمت سهام به داراييهاي کل بعنوان ويژگيها در درخت تصميم گيري به پيش بيني بازار بورس پرداخته و دقت مدل ٦٢ درصد تخمين زده شده است .