ارسل ملاحظاتك

ارسل ملاحظاتك لنا







نمذجة مسائل التنبؤ لدعم قرارات المستثمرين والمضاربين في سوق الأوراق المالية باستخدام الشبكات العصبونية

العنوان بلغة أخرى: Modeling Forecasting Issues to Support the Decisions of Investors and Speculators in the Stock Market Using Neural Networks
المصدر: مجلة بحوث جامعة حلب - سلسلة العلوم الاقتصادية
الناشر: جامعة حلب
المؤلف الرئيسي: مهندس، فداء (مؤلف)
المؤلف الرئيسي (الإنجليزية): Mohandes, Fedaa
مؤلفين آخرين: الموسى، ياسر عبدالله (م. مشارك)
المجلد/العدد: ع43
محكمة: نعم
الدولة: سوريا
التاريخ الميلادي: 2021
الصفحات: 1 - 19
ISSN: 2227-9180
رقم MD: 1471052
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
الشبكات العصبونية الصنعية | التنبؤ | التحليل الفني | سعر السهم | اتجاه حركة السهم | دعم القرار | Artificial Neural Networks (ANN) | Forecasting | Technical Analysis | Stock Price | Direction of Stock Movement | Decision Support
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: هدف البحث إلى التركيز على أسلوب نمذجة مسائل التنبؤ من خلال بناء نماذج شبكات عصبونية للتنبؤ بحركة السهم تعطي تنبؤات جيدة على المدى المتوسطة وطويلة الأجل تناسب المستثمر في السوق ونماذج شبكات عصبونية للتنبؤ بسعر السهم تعطي تنبؤات جيدة على المدى القصير تناسب المضارب بالاعتماد على مؤشرات التحليل الفني. تم تحديد بنية كل نموذج بعد إجراء كل الحالات الممكنة لعدد الطبقات المخفية وعدد العصبونات فيها. توصل البحث إلى أن النماذج التي تعتمد في نمذجتها على التنبؤ بسعر السهم تعطي على المدى القريب نتائج أفضل من التنبؤ على المدى البعيد، وهذا يظهر بشكل واضح من خلال كل من قيمة مجموع مربعات الأخطاء MSE وجذر متوسط مربع الأخطاء RMSE وأفضل أداء للشبكة Performance وبشكل بسيط من خلال نسبة معامل الارتباط R. في حين أعطت النماذج التي تعتمد في نمذجتها على التنبؤ بحركة السهم نتائجها أفضل على المدى البعيد منها على المدى القريب. وظهر ذلك من خلال مقياس الخطأ الانتروبيا Cross-Entropy وقيمة إحصائية KAPPA ونسبة التصنيف الصحيح وعدد التكرارات Epoch وأفضل أداء للشبكة Performance.

The aim of the research is to focus on the method of modeling forecasting issues by building neural network models to predict both the movement of the stock that gives good predictions in the medium and long-term run that suit the investor in the market, and the stock price that gives good predictions in the short term that suits speculators based on indicators of technical analysis. The structure of each model was determined after performing all possible cases of the number of hidden layers and the number of neurons in them. The research found that models that depend in their modeling on stock price prediction give better results in the short term than those in the long term. This is clearly shown by the value of the sum of the squares of errors (MSE), the root mean square of errors (RMSE) and the best performance of the performance network, in a simple way through Regression R. While the models that depend in their modeling on predicting the stock's movement gave better results in the long term than in the short term. This was shown through the cross-entropy error measure, KAPPA value, correct classification ratio, epoch number, and the best performance of the network.

ISSN: 2227-9180