• شماره ركورد
    27000
  • پديد آورنده

    پريا نورمحمدي

  • عنوان
    پيش بيني نقاط برگشت سهام با طبقه بندي ريسك سهام با استفاده از الگوريتم رگرسيون لجستيك وزن دار در بازار مالي تهران
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي صنايع
  • سال تحصيل
    1398
  • تاريخ دفاع
    1401/06/20
  • استاد راهنما
    سيد جعفر سجادي
  • دانشكده
    صنايع
  • چكيده
    مديريت سبد سهام يك بخش مهم در مديريت سرمايه¬گذاري است كه مطالعات زيادي روي آن انجام شده است ولي باتوجه‌به ظهور و گسترش روش¬هاي جديد پيش¬بيني نظير هوش مصنوعي، هنوز فرصت مطالعه در آن وجود دارد. در اين پژوهش براي پيش‌بيني نقاط عطف، رويكرد رگرسيون لجستيك وزن‌دار باتوجه‌به ريسك بنيادي سهام انتخاب شده است. رگرسيون لجستيك وزن‌دار، براي پيش‌بيني از سه متغير تأثيرگذار يادگيري خود را انجام مي‌دهد. اين پژوهش از داده‌هاي 10 سهم از 10 صنعت مختلف بازار بورس ايران بين سال‌هاي 93 تا 97 به‌عنوان ديتاست استفاده مي‌كند. در اين رويكرد، ابتدا از شبكه WLR براي پيش¬بيني روند قيمت (نقاط خريد: افزايش قيمت/ نقاط فروش: كاهش قيمت) و استفاده مي¬شود. پس از مقايسه نتايج شبكه WLR با استراتژي خريد و نگهداري ساير روش‌ها، مناسب بودن اين شبكه¬ها براي پيش¬بيني نقاط عطف تأييد مي¬شود.
  • تاريخ ورود اطلاعات
    1401/06/24
  • عنوان به انگليسي
    Prediction of stock return points with stock risk classification using weighted logistic regression algorithm in Tehran financial market.
  • تاريخ بهره برداري
    9/11/2023 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    پريا نورمحمدي

  • چكيده به لاتين
    Stock portfolio management is an important part of investment management, which has been studied a lot, but due to the emergence and expansion of new forecasting methods such as artificial intelligence, there is still an opportunity to study it. In this research, the weighted logistic regression approach has been chosen according to the fundamental risk of stocks to predict milestones. Weighted logistic regression performs its learning to predict three influential variables. This research uses the data of 10 stocks from 10 different industries of the Iranian stock market between 1993 and 1997 as a dataset. In this approach, first, the WLR network is used to predict the price trend (buying points: price increase / selling points: price decrease). After comparing the results of the WLR network with the purchase and maintenance strategy of other methods, the suitability of these networks for predicting milestones is confirmed.
  • كليدواژه هاي فارسي
    معاملات الگوريتمي، تحليل تكنيكال، پيش‌بيني مالي، تحليل بنيادي، رگرسيون لجستيك وزن‌دار، ريسك سهام
  • كليدواژه هاي لاتين
    Algorithmic trading, technical analysis, financial forecasting, fundamental analysis, weighted logistic regression, stock risk
  • Author
    Paria Nourmohammadi
  • SuperVisor
    Seyed Jafar Sajjadi