• شماره ركورد
    25399
  • پديد آورنده

    امير چزگي

  • عنوان
    استخراج و تحليل ساختار ارتباطي نمادهاي بازار سهام ايران با استفاده از ابزار تحليل شبكه‌هاي اجتماعي
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي صنايع- سيستم‌هاي كلان اقتصادي و اجتماعي
  • تاريخ دفاع
    1400/6/22
  • استاد راهنما
    سيد حسن قدسي پور
  • استاد مشاور
    مهرداد آقا محمد علي كرماني
  • دانشكده
    مهندسي صنايع
  • چكيده
    بازارهاي سهام به‌عنوان سيستم¬هاي غيرقابل‌پيش‌بيني و پيچيده در نظر گرفته مي‌شوند اين در حالي است كه تغييرات قيمت سهام با يكديگر ارتباط دارند. تغييرات قيمت سهام به‌صورت يك سري زماني در بازه-هاي زماني مختلف قابل ترسيم است. با استفاده از همبستگي بين سري زماني قيمتي دو سهم ارتباط بين آنها مورد بررسي قرار مي‌گيرد. تعيين ميزان ارتباط بين سهام موجود در سبد سرمايه¬گذاري كمك زيادي در بهبود سرمايه¬گذاري مي‌كند. رويكرد استفاده شده در اين پژوهش بررسي همبستگي بازده بين دو سهم در بورس اوراق بهادار تهران است كه به‌صورت ارتباطي بين دو سهم ترسيم مي‌شود و به‌وسيله آن شبكه‌اي از سهام به وجود مي¬آيد. در اين شبكه گره¬ها نشان¬دهنده سهام و يال¬ها همبستگي بازده بين دو سهم را نشان مي‌دهند. اين كار يك روش براي تفسير و تحليل بازار سهام با استفاده از تجزيه‌وتحليل شبكه¬هاي اجتماعي (SNA) است. از تكنيك¬ها و معيارهاي SNA براي سنجش تكامل بازار و شناسايي گروه¬ها و نمادهاي مؤثر برحسب شاخص¬هاي مركزيت و بررسي سبدهاي سهام پيشنهادي استفاده مي‌شود. در اين پژوهش با استفاده از تئوري گراف و شبكه مدلي براي تحليل بازار سهام تهران مورد بررسي قرار گرفته است. در بررسي شبكه از الگوريتم‌هاي انجمن يابي مختلف استفاده شده و بخش‌هاي مختلف بازار سهام با استفاده از اين الگوريتم‌ها ترسيم شده است. با استفاده از اين مدل‌سازي و تحليل و بررسي تعامل بين نمادها و توپولوژي شبكه سبد سرمايه‌گذاري پيشنهاد شده كه نتيجه مطلوبي در ميزان كاهش ريسك سرمايه¬گذاري و سود آن دارد.
  • تاريخ ورود اطلاعات
    1400/07/27
  • عنوان به انگليسي
    Extraction and analysis of communication structure of Iranian stock market symbols using social network analysis
  • تاريخ بهره برداري
    9/13/2022 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    امير چزگي

  • چكيده به لاتين
    Social network analysis commonly uses to show and analyze related data. Using the correlation threshold method, we have formed the network of the Iran Stock market. Iranian stock market information from March 21, 2001, to November 3, 2020, uses in this paper Which is known as the most complete data in this field. Our results show that the Iranian stock market is shallow and the relationship between most stocks is direct. Due to the shallowness of the Iranian stock market, different communities do not have much to do with the separation of industries. Some features of network structure are closely related to the evaluation criteria in the stock market, and these features can use in market analysis. Forming a network is one of the best ways to study the turmoil in financial markets, which we learned in the Iranian stock market from March 20, 2020, for a year.