تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > دراسة مقارنة بين الشبكات العصب...>الوصف

دراسة مقارنة بين الشبكات العصبية متعددة الطبقات والشبكات العصبية ذات الدالة الشعاعية في التنبؤ بسعر إقفال السهم في سوق الأسهم المصري

العنوان بلغة أخرى: A Comparative Study between Multi-Layer Perceptron Neural Networks and Radial Basis Function Neural Networks in Predicting Stock Closing Price in the Egyptian Stock Market
المصدر: المجلة العلمية للاقتصاد والتجارة
الناشر: جامعة عين شمس - كلية التجارة
المؤلف الرئيسي: عبدالعزيز، جهاد جمال عبدالحميد (مؤلف)
مؤلفين آخرين: مصطفى، محمد عبده محمد (مشرف) , هيكل، هيكل عبده (مشرف)
المجلد/العدد: ع4
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2024
الشهر: ديسمبر
الصفحات: 263 - 292
ISSN: 2636-2562
رقم MD: 1530649
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الأوراق المالية | الشبكات العصبية | الاقفال الفعلية | التعلم الآلي
كلمات المؤلف المفتاحية:
أساليب الذكاء الاصطناعي | التعلم الآلي | الشبكات العصبية الاصطناعية | الشبكات العصبية متعددة الطبقات | الشبكات العصبية ذات الدالة الشعاعية | التنبؤ | سعر إقفال السهم | التحليل الفني | عوائد الأسهم | سوق الأسهم المصري | Artificial Intelligence Techniques | Machine Learning | Artificial Neural Networks | Multi-Layer Perceptron Neural Networks | Radial Basis Function Neural Networks | Prediction | Stock Close Price | Technical Analysis | Stock Returns | Egyptian Stock Market
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

11

حفظ في:
المستخلص: يهدف البحث الحالي إلى التنبؤ بسعر إقفال السهم في اليوم التالي في سوق الأسهم المصري من خلال الاعتماد على الشبكات العصبية متعددة الطبقات Multi-layer Perceptron Neural Networks (MLPNN) والشبكات العصبية ذات الدالة الشعاعية Radial Basis Function Neural Networks (RBFNN)، كما يهدف البحث أيضا إلى التعرف عن مدى وجود اختلاف معنوي بين نتائج كل من الشبكات العصبية متعددة الطبقات (الشبكات العصبية ذات الطبقة الخفية الواحدة والشبكات العصبية متعددة الطبقات الخفية) مع الشبكات العصبية ذات الدالة الشعاعية في التنبؤ بأسعار إقفال الأسهم في اليوم التالي في سوق الأسهم المصري بالمقارنة بأسعار الإقفال الفعلية للأسهم. وقام الباحث بتجميع البيانات التاريخية اليومية للأسهم لعدد ۱۷۷ شركة مدرجة في البورصة المصرية في الفترة من 1/1/۲۰۱۰ حتى 31/12/۲۰۲۳، وقد تمثلت المتغيرات المفسرة في: سعر إقفال السهم، وسعر الفتح، والحد الأعلى، والحد الأدنى، وحجم التداول. وتمثل المتغير المتنبأ به في سعر إقفال السهم في اليوم التالي. وقد أظهرت نتائج البحث أن هناك اختلاف معنوي بين نتائج كل من الشبكات العصبية متعددة الطبقات فيما بينهما (الشبكات العصبية ذات الطبقة الخفية الواحدة والشبكات العصبية متعددة الطبقات الخفية) وبين الشبكات العصبية ذات الدالة الشعاعية في التنبؤ بأسعار إقفال الأسهم في اليوم التالي في سوق الأسهم المصري، وأن الشبكات العصبية ذات الطبقة الخفية الواحدة أقوى في التنبؤ بأسعار إقفال الأسهم في اليوم التالي إذا ما قورنت بالشبكات العصبية متعددة الطبقات الخفية والشبكات العصبية ذات الدالة الشعاعية، حيث بلغ معدل الخطأ RMSE بين أسعار الإقفال المتنبأ بها وأسعار الإقفال الفعلية بواسطة الشبكات العصبية ذات الطبقة الخفية الواحدة 0.9035، في حين بلغ معدل الخطأ RMSE بين أسعار الإقفال المتنبأ بها وأسعار الإقفال الفعلية بواسطة الشبكات العصبية متعددة الطبقات الخفية 0.9747، وبلغ معدل الخطأ RMSE بين أسعار الإقفال المتنبأ بها وأسعار الإقفال الفعلية بواسطة الشبكات العصبية ذات الدالة الشعاعية 1.7729.

This research aims to predict the closing stock price on the next day in the Egyptian stock market using Multi-layer Perceptron Neural Networks (MLPNN) and Radial Basis Function Neural Networks (RBFNN). The research also aims to investigate whether there is a significant difference between the predictability accuracy of each of the multi-layer neural networks (one-hidden layer neural networks and multi-hidden layer neural networks) and that of the radial function neural networks in predicting the closing prices of stocks on the next day in the EGX compared to the actual closing prices of stocks. Using a data set consists of daily historical stock prices for 177 companies traded in the Egyptian stock market over the period from 1/1/2010 to 31/12/2023, The explanatory variables are: close price, open price, high price, low price, and the trading volume. The predicted variable is the closing price of the stock on the next day. The research results showed that there is a significant difference between the results of each of the multi-layer neural networks (one-hidden layer neural networks and multi-hidden layer neural networks) and radial basis function neural networks in predicting the closing prices of stocks on the next day in the Egyptian Stock Market, and that one-hidden layer neural networks are stronger in predicting the closing prices of stocks on the next day in the Egyptian Stock Market when compared to the multi-hidden layer neural networks and radial basis function neural networks, as the RMSE between the predicted closing prices and the actual closing prices using one-hidden layer neural networks is 0.9035, while the RMSE between the predicted closing prices and the actual closing prices using multi-hidden layer neural networks is 0.9747, and the RMSE between the predicted closing prices and the actual closing prices using radial basis function neural networks is 1.7729.
ISSN: 2636-2562

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.