تحلیل مقایسه ای کارآمدی مدلهای رگرسیون بردار پشتیبان

توضیحات

تحلیل مقایسه ای کارآمدی مدلهای رگرسیون بردار پشتیبان، شبکه عصبی و ARIMA با مدل های ترکیبی در پیش بینی بازده شاخص بورس اوراق بهادار تهران

 

 

فهرست مطالب

فصل اول:

۱-۱) مقدمه…………..۸

۱-۲) تشریح و بیان موضوع…………………………………………………۹

۱-۳) ضرورت انجام تحقیق…………………………………………………۹

۱-۴) سابقه تحقیقات و مطالعات انجام گرفته………………….۱۰

۱-۵) فرضیه‌های تحقیق…………………………………………………..۱۲

۱-۶) اهداف اساسی از انجام تحقیق…………………………………۱۲

۱-۷) نتایج مورد انتظار پس از انجام این تحقیق…………….۱۳

۱-۸) روش انجام پژوهش…………………………………………………..۱۳

۱-۸-۱ ) روش تحقیق……………………………………………………..۱۴

۱-۸-۲) روشهای گردآوری اطلاعات………………………………..۱۴

۱-۸-۳) قلمرو تحقیق……………………………………………………….۱۴

۱-۸-۴) جامعه­ی آماری………………………………………………….۱۵

۱-۸-۵) نمونه­ی آماری…………………………………………….   ۱۵

    ۱-۸-۶) روش یا روش­های نمونه گیری……………..  ۱۵

۱-۸-۷) روشهای مورد نظر برای تجزیه و تحلیل اطلاعات و آزمون فرضیه‌ها……………………………….. ۱۵

۱-۹)تعریف واژه­ها و اصطلاحات تخصصی طرح…………….۱۷

فصل دوم:

۲-۱)  مقدمه………۱۹

 ۲-۲) انواع داده ها………………………………………………………….. ۲۱

۲-۲-۱ ) داده­های سری زمانی……………………………………………..                                                                                                                           .۲۱

۲-۲-۲) داده­های مقطعی…………………………………………..۲۱

۲-۲-۳) داده­های پانل………………………………………………..۲۲

۲-۳) مدل­های سری زمانی تک متغیره…………………………..۲۲

۲-۴) مفاهیم مهم در تحلیل سری­های زمانی………………….۲۲

۲-۴-۱)  مانایی…..۲۲

۲-۴-۲ ) خودکوواریانس، خودهمبستگی و خودهمبستگی جزئی…………………………………………………….. ۲۴

۲-۴-۳)  تابع خودهمبستگی و خودهمبستگی جزئی……..۲۴

۲-۴-۴)  فرآیند نوفه­ی سفید…………………………………………۲۵

۲-۴-۵ ) آماره­ی Q………………………………………………………..25

۲-۵)  فرآیندهای خودرگرسیو(AR)………………………………..27

۲-۶)  فرآیندهای میانگین متحرک (MA)……………………………………. …………………………………………….. 28

۲-۷)  فرآیندهای خودرگرسیو  میانگین متحرک (ARMA) …………………… ………………………………….. 28

 ۲-۸)  مدل­های خودرگرسیو میانگین متحرک انباشته (ARIMA) …………………… ………………………….. 30

۲-۹)  مراحل ساخت مدل­های  ARIMA……………………………………. …………………………………………………… 30

۲-۱۰ ) انواع نامانایی……………………………………. ………………..۳۱

۲-۱۱ ) آزمون ریشه­ی واحد……………………………………. …….۳۲

۲-۱۲)  معیارهای اطلاعاتی……………………………………. ………۳۳

۲-۱۳)  شبکه­های عصبی مصنوعی……………………………………. . ۳۳

۲-۱۳-۱) نرون­های بیولوژیکی……………………………………. ..۳۳

۲-۱۳-۲) سیر تاریخی شبکه­های عصبی……………………………………. …………………………………………………… ۳۴

۲-۱۳-۳) کاربرد شبکه­های عصبی……………………………………. …………………………………………………………… ۳۶

۲-۱۳-۴) اجزا و ساختار شبکه­های عصبی……………………………………. ……………………………………………….. ۳۸

۲-۱۳-۵) مدل ریاضی نرونها…………………………………………….۴۰

۲-۱۳-۶)  الگوریتم پس­انتشار خطا………………………………….۴۴

۲-۱۳-۷) معماری شبکه­های پس­انتشار…………………………..۴۵

۲-۱۳-۸) طراحی شبکه­ی عصبی………………………………۴۵

۲-۱۳-۹) الگوریتم یادگیری Levenberg- Marquardt……………………………………………………………. 48

۲-۱۳-۱۰) مزایا و معایب شبکه­ی عصبی………………………..۴۹

    ۲-۱۴) ماشین بردار پشتیبان………………………………..۵۰

۲-۱۵) ماشین بردار پشتیبان دو کلاسه…………………….۵۲

۲-۱۶) ماشین بردار پشتیبان با حاشیه ثابت……………..۵۴

۲-۱۷) ماشین بردار پشتیبان با حاشیه منعطف………..۵۸

۲-۱۸) ماشین بردار پشتیبان چند کلاسه…………………۵۹

۲-۱۹)رویکرد طبفه بندی غیر خطی در ماشین بردار پشتیبان………………………………………………………….۶۰

۲-۲۰) رگرسیون بردار پشتیبان…………………………………۶۳

۲-۲۰-۱) رگرسیون خطی بردارپشتیبان……………………۶۳

۲-۲۰-۲) رگرسیون غیرخطی بردار پشتیبان…………….۶۶

۲-۲۱) مزایا و معایب ماشین بردار پشتیبان………………۶۷

۲-۲۲)  شبکه­های عصبی و عملکردهای متفاوت………..……۶۸

۲-۲۳)  مروری بر مطالعات ترکیبی………………………………….۷۳

فصل سوم:

۳-۱) مقدمه  ۷۹

۳-۲) فرضیه­های تحقیق  ۷۹

۳-۳) متغیرهای تحقیق و نحوه گردآوری داده­ها ۸۰

۳-۴) دوره­ی زمانی انجام تحقیق و روش نمونه گیری   ۸۰

۳-۵) برازش مدل خودرگرسیو میانگین متحرک انباشته(ARIMA) 80

۳-۶) برازش شبکه­ی عصبی مصنوعی  ۸۳

۳-۷) مدل ترکیبی  ۸۴

۳-۷-۱) شرح  مدل ترکیبی  ۸۵

۳-۷-۲) برازش مدل ترکیبی  ۸۶

۳-۸) مقایسه­ی عملکرد و آزمون فرضیه  ۸۷

۳-۹) آزمون دایبولد- ماریانو………………………………………۸۷

۳-۱۰) جمع بندی…………………………………………………….۸۹                                                                                                   

فصل چهارم:

۴-۱) مقدمه….۹۱

۴-۲) بررسی مانایی بازده­های لگاریتمی……………………………۹۲

۴-۳)محاسبه­ی معیار میانگین مجذور خطا………………………۹۳

۴-۴) محاسبه­ی تابع زیان قدر مطلق درصد خطا……………..۹۶

۴-۵) آزمون فرضیه­های تحقیق………………………………….۱۰۰

 فصل پنجم:

۵-۱) نتیجه­گیری……………………………………….۱۱۶

۵-۲) پیشنهادات برای تحقیقات آتی…………..۱۱۸

منابع و مآخذ

منابع داخلی……………………………………………….۱۱۹

منابع خارجی……………………………………………….۱۲۱

 

 

 

 

چنانچه محصول  تحلیل مقایسه ای کارآمدی مدلهای رگرسیون بردار پشتیبان، شبکه عصبی و ARIMA با مدل های ترکیبی در پیش بینی بازده شاخص بورس اوراق بهادار تهران را دریافت نکردید با شماره ۰۹۳۵۷۲۵۸۴۲۵ یا  info@pajuha.ir ارتباط برقرار نمایید.