سیستم توزیع شده هادوپ
سیستم توزیع شده هادوپ محدوده قیمت: 200,000 ﷼ تا 400,000 ﷼
بازگشت به محصولات
تشخیص نفوذ در شبکه های کامپیوتری با استفاده از تکنیک های داده کاوی
تشخیص نفوذ در شبکه های کامپیوتری با استفاده از تکنیک های داده کاوی محدوده قیمت: 200,000 ﷼ تا 400,000 ﷼

تکنیک های داده کاوی جهت پیش بینی بورس

محدوده قیمت: 200,000 ﷼ تا 400,000 ﷼

چکیده

هدف از انجام این تحقیق، بررسی روش­های داده کاوی جهت پیش‌بینی بورس  می‌باشد. داده‌کاوي فرایند تجزیه و تحلیل پایگاه داده‌هاي بزرگ براي یافتن الگوها و روابط میان داده‌ها به منظور پیش‌بینی رفتارهاي آینده می‌باشد. داده‌کاوی یکی از حوزه‌هایی است که اهمیت بسیاری را به خود جلب کرده و در کاربرد‌های متعدد از جمله علوم رایانه، پیش‌بینی آب و هوا، پردازش متن و سهام مورد استفاده قرارگرفته است. پیش‌بینی نوسانات شاخص سهام، می‌تواند اطلاعاتی در مورد روند آتی بازار سرمایه فراهم کند. از طرفی با توجه به اینکه شاخص بورس یکی از متغیرهاي کلان اقتصادي است، لذا پیش‌بینی آن سرمایه‌گذاران را در تصمیم‌گیري بهتر یاري می‌کند. لذا اگر بتوان توسط روش‌هایی که قابل استناد می‌باشد امر پیش‌بینی را بهبود بخشید، در این صورت گامی مؤثري در راستاي استفاده بهینه از این داده‌ها برداشته شده است. از آنجا که یک سیستم داده‌کاوی بازار بورس برای سرمایه‌گذاران شخصی و کارشناسان، ارزشمند خواهد بود، در این تحقیق روش­های داده­کاوی جهت پیش­بینی بورس بررسی شده است.

 

توضیحات

 

چکیده

1-1- مقدمه

1-2- طرح مسأله

2-1- مقدمه

2-2- بورس اوراق بهادار

2-3- بورس دنیا

2-4- بورس در ايران

2-5- آشنايي با شاخص‌هاي سهام

2-6- انواع شاخص‌های اوراق بهادار تهران

2-6-1- شاخص کل قیمت در بورس اوراق بهادار

2-6-2- شاخص قیمت و بازده نقدي (TEDPIX)

2-6-3- شاخص بازده نقدي (TEDIX)

2-6-4- شاخص قیمت صنایع

2-6-5- شاخص قیمت مالی

2-6-6- شاخص شركت

2-6-7- شاخص قیمت میانگین ساده50 شرکت فعال‌تر بورس

2-6-8- شاخص قیمت میانگین موزون50 شرکت فعال‌تر بورس

2-6-9- شاخص سهام شناور آزاد

2-7- شاخص‌های مهم بورس جهانی

2-8- روش‌هاي سنتی تجزیه و تحلیل قیمت در بورس

2-8-1- تجزیه و تحلیل تکنیکی

2-8-2- تجزیه و تحلیل اساسی

2-9- روش‌هاي مدرن تجزيه وتحليل قيمت در بازار بورس

2-9-1 نظريه آشوب

2-9-2- روش‌های مبتنی بر هوش مصنوعی

2-9-3- مدلهای هیبریدی

2-9-4- مدل‌های ترکیبی

2-9-5- شبکه هاي عصبي مصنوعي

2-9-6- الگوریتم ژنتیک

2-9-7- ماشین بردار پشتیبانی

2-9-8- فرضيه بازار كارا

2-10- پیش‌بینی

2-10-1- تعریف پیش‌بینی

2-10-2- روش‌هاي پیش‌بینی

2-10-3- سريهاي زمانی

2-10-4- انواع پیش‌بینی

2-10-5- خطاهاي پیش‌بینی

2-11- داده‌كاوي و تاریخچه دادهکاوی

2-12- تعریف داده‌کاوی

2-13- طبقه‌بندی روش‌های داده‌کاوی

2-13-1- داده‌کاوی پیشبینی کننده

2-13-2- داده‌کاوی توصیفی

2-14- گام هاي اکتشاف دانش از پایگاه داده

2-15- حوزهها، وظايف و کاربردهای داده‌کاوی

2-15-1- برخی از کاربردهای داده‌کاوی

2-16- روش‌هاي مختلف داده‌کاوي

2-16-1- طبقه‌بندی (کلاسبندی)

2-16-2- خوشهبندی

2-16-3- رگرسيون

2-16-4- درخت تصميم

2-16-5- شبکه‌های عصبی مصنوی

2-16-6- روش‌هاي نزدیکترین همسایگیها

2-16-7- الگوریتم ژنتیک

2-16-8- سری‌های زمانی

2-16-9- تئوری بيز

2-17- سوابق تحقیقات انجام شده در زمینه پیشبینی بورس با روش‌های دادهکاوی

3-1- مقدمه

3-2- رگرسیون

3-2-1- تحلیل رگرسیونی

3-2-2- روشهای رگرسیونی

3-2-3- خط رگرسیون

3-3- هم‌خطی

3-4- مدل رگرسیون خطی ساده

3-4-1- برآورد پارامترهای رگرسیون خطی ساده

3-5- آزمون مربوط به مدل و پارامترهای آن

3-6- معیارهای ارزیابی در گزینش متغیرها

3-6-1- ضریب تعیین

3-6-2- ضریب تعیین تصحیح شده

3-6-3- میانگین مربعات ماندهها

3-7- روشهای رگرسیون خطی

3-8- رگرسیون چندگانه و رگرسیون چندمتغیره

3-9- رگرسیون انحنایی

3-10- رگرسیون لجستیک

3-11- رگرسیون پروبیت

3-12- رگرسیون پواسون

3-13- ضریب همبستگی

4-1- نتیجه‌گیری

فهرست منابع

 

توضیحات تکمیلی
نوع فایل

پی دی اف

,

ورد

نظرات (0)

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “تکنیک های داده کاوی جهت پیش بینی بورس”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *