دانلود ترجمه مقاله شبکه عصبی مصنوعی و الگوریتم فراابتکاری برای پیش بینی قیمت سهام

1. مقدمه 2. پیش زمینه شبکه های عصبی مصنوعی (ANN) 3. روش تحقیق 4. رویکردهای فراابتکاری 5. تحلیل داده ها 6. نتیجه گیری

مقدمه: بسیاری از بدنه های مدیریت سرمایه گذاران و پژوهشگران، در مقالات مربوط به قیمت سهام، در زمینه پژوهش برای پیش بینی روندهای آتی قیمت سهام در بازار، در حال کوشش هستند. سرمایه گذاران، با فکر درباره ریسک سرمایه گذاری در بازار مالی، دچار اضطراب فراوانی می شوند و دلیل آن، روندهای آتی ناشناخته قیمت ها در بازار است. نتیجتا تعیین زمان مناسب خرید، حفظ یا فروختن سرمایه گذاری ها، در یک بازار ناپایدار، امری کاملا چالش برانگیز است. با این وجود پیش بینی بازار سهام، امری کاملا پیچیده بوده که دلیل آن، ویژگی های هرج و مرج وار، غیرپارامتری ،غیر خطی و پویای آن می باشد. پژوهشگران فعال در زمینه ارزیابی قیمت سهام، به این نتیجه رسیدند که تحلیل روند تاریخی تغییرات بازار سهام نمی تواند اطلاعات کاملی را برای پیش بینی روند آتی قیمت سهام ارائه دهند (زاهدی و رونقی 2015). با وجود مطالعه مدل های خارق العاده پیش بینی در دهه های اخیر، هنوز هم عدم وجود مدارک، در زمینه داشتن مدلی مناسب، برای پیش بینی بازار سهام، آزاردهنده است. در جهت مذکور از مطالعات پژوهشی، مدلی مناسب، برای پوشش دادن شکاف تحقیقاتی مذکور را با توسعه و ترکیب مدل های رایانش نرم ارائه می کنیم. براساس مطالعات کامروزمان، بگ و سارکر (2006)، شبکه عصبی (NN)، نقش مهمی در تحلیل قیمت سهام دارد. اکثر بانکدارهای سرمایه بین المللی و شرکت های کارگذاری در بازارهای فرامرزی،سهام های عمده ای دارند. دارایی های مالی قابل تجارت، قسمت حیاتی ای از تصمیم های مدیرات مالی می باشد (مدقالچی 2011).

Introduction: Many management bodies of investors as well as researchers in stock price literature are being emerged to research for predicting future trend of stock price of the market. The investors are anxious enough thinking about the risk of investment in financial markets because of unknown future trends of the prices in the markets. As a result, it is a challenging task in an unstable market to determine the appropriate time of buying, holding, or selling the inventories. However, stock market prediction is surprisingly a sophisticated task because of its dynamic, nonlinear, nonparametric, and chaotic features. The researchers associated with stock price evaluation have observed that the analysis of historical trend of changes of stock price does not provide complete information to predict the future trend of stock price (Zahedi and Rounaghi 2015). Although outstanding forecasting models have been studied in the early decades, there is still lack of evidence as far as of having proper model in forcasting of stock price. In this direction of research works, we have suggested a proper model to fill up the gap of this research by developing and combining soft computing models. According to Kamruzzaman, Begg, and Sarker (2006), neural network (NN) has an important role in stock price analysis. Most international investment bankers and brokerage firms have major stakes in overseas markets. Merchandisable financial assets are a critical part of decision-making process of financial managers (Metghalchi 2011).

بخشی از ترجمه مقاله (صفحه 7 فایل ورد ترجمه)