استخدام المؤشرات الفنية والشبكات العصبونية للتنبؤ بحركة أسعار الأسهم (دراسة تطبيقية على بورصة عمان)

محمد سعد حاووط | Mohamed Saad Hawout, إبراهيم عبد الواحد نائب | Ibrahim Abdel Wahed Nayeb

الملخص


برزت الحاجة لوجود مؤسسات متخصصة تسهم في تحويل الأموال من الجهات التي تتمتع بفائض منها إلى الجهات التي تعاني من عجز وتستطيع أن تقوم بتجميع هذه الفوائض وتوجيهها نحو المجالات الاستثمارية، ، حيث تنوعت الأدوات المالية المتداولة وكان أهمها الأسهم العادية كونها الأكثر انتشاراً في الأسواق المالية، حيث يعتمد نجاح القرارات الاستثمارية والمالية على توافر المعلومات اللازمة لمتخذي القرار التي تعتمد على أساليب التحليل العلمي والمنطقي، لذلك ظهرت في ميادين الذكاء الصنعي الشبكات العصبونية كإحدى تقنيات التنقيب في البيانات التي تساعد في اكتشاف أنماط غير معروفة مسبقاً من كميات كبيرة من البيانات، والوصول إلى نماذج قابلة للتفسير بهدف استخراج المعرفة ودعم عملية اتخاذ القرار.يعتمد البحث على استخدام أداة (WEKA) ، وذلك باستخدام الشبكة العصبونية (Multi - layer perceptron) وهي شبكة متعددة الطبقات ذات الانتشار العكسي والمؤشرات الفنية الخاصة بالتنبؤ بحركة أسعار الأسهم التاريخية ليوم واحد بالاعتماد على نمذجة بعض المعاملات الفنية للوصول إلى السعر المستقبلي للسهم خلال يوم.وتوصل البحث إلى إمكانية بناء نموذج شبكة عصبية اعتماداً على نمذجة بعض المعاملات الفنية للتنبؤ بحركة الأسعار المستقبلية للأسهم.  

 


الكلمات المفتاحية


الشبكة العصبونية، أداة (WEKA) ، سوق الأوراق المالية، الشبكات العصبونية المتعدد الطبقات، الانتشار العكسي، التنقيب في البيانات، حركة الاسهم.

النص الكامل:

PDF

المراجع


المراجع

جواد عبد المجيد - 2015، التنبؤ بحركة الأسهم المتداولة في سوق الأوراق المالية باستخدام تقنيات الذكاء الاصطناعي، أطروحة دكتوراه قسم الإحصاء ونظم المعلومات، جامعة حلب، حلب، سورية.

زيد حياة- 2015، دور التحليل الفني في اتخاذ قرار الاستثمار بالأسهم دراسة تطبيقية في عينة من أسواق المال العربية الأردن، السعودية، وفلسطين، رسالة ماجستير في العلوم الاقتصادية جامعة محمد خيضر، الجزائر.

Paliyawan P. 2015-"Stock Market Direction Prediction Using Data Mining Classification, ARPN Journal of Engineering and Applied Sciences, Thailand.

Ping, H, Tang,L, -2018, Predict stock market trends using improved neural networks using Google Trends, Faculty of Science, University of Northern China, China.

.

حسين عصام، 2008 - أسواق الأوراق المالية (البورصة)، دار أسامة للنشر والتوزيع الكتب الوطنية العدد (1)، عمّان، الأردن.

Mishkin F., Eakins, 2012- Financil Markets and Institutions,7th ED,Pearson, Graduate School of Business, Columbia University,USA.

Schannep J, 2008 – Dow theory for the 21 st Century, Wiley ,

New Jersey, Published by John Wiley & Sons, Inc., Hoboken, New Jersey, Canada.

سرور منال، 2014- العوامل المؤثرة في سوق العملات الأجنبية- دراسة تطبيقية على مؤشر الدولار الأمريكي، رسالة ماجستير جامعة دمشق، سورية.

Dunham, M.H., 2003, data mining introduction and advanced topics, prentice hall.

قطان عبد الباسط- 2017، التنبؤ بفقدان الزبائن لمخطوط المسبقة الدفع باستخدام الشبكات العصبونية، رسالة ماجستير جامعة حلب، حلب ، سورية.

Witten I., et al., 2011, Data Mining Practical Machine Learning Tools and Techniques, book, 3rd ed, Morgan Kaufmann, London.

GUPTA L., et al., 2012, Performance Analysis of Classification Tree Learning Algorithms, Volume 55– No.6, International Journal of Computer Applications, India.

الطويل هالة، 2009- التنقيب عن البيانات 2009، كتاب دار شعاع للنشر والعلوم، سورية.

لدعم قرارات منح القروض 14. ساكت غسان، عداس ضحى،2015-استخدام شجرة القرار

مجلة البحوث جامعة حلب، قسم الإحصاء ونظم المعلومات، كلية الاقتصاد، جامعة حلب، حلب، سورية.




DOI: http://dx.doi.org/10.33977/1760-005-014-004

المراجع العائدة

  • لا توجد روابط عائدة حالياً.


الحقوق الفكرية (c) 2021 مجلة جامعة القدس المفتوحة للبحوث الإدارية والاقتصادية

Creative Commons License
هذا العمل مرخص حسب Creative Commons Attribution 4.0 International License.