2118

Determining investment strategies in Iranian financial markets using the dynamic mode decomposition method

دكتري تخصصي

رياضي كاربردي گرايش تحقيق در عمليات

مركز تحصيلات تكميلي دانشگاه پيام نور

1403

1403/09/05

دكتر يوسف ادريسي تبريز، دكتر قاسم احمدي

Dynamic Mode Decomposition, Singular Value Decomposition, Long- Short Term Memory Neural Network, Multilayer perceptron Neural Network, Financial Market

اين پژوهش به بررسي و بهبود روش‌هاي پيش‌بيني بازارهاي مالي و انتخاب سهام با بالاترين بازده مي‌پردازد و يك روش جديد بر مبناي تجزيه حالت پويا ارائه مي‌دهد. تجزيه حالت پويا، يك تكنيك تحليل داده است كه براي استخراج و شناسايي الگوهاي مكاني-زماني از داده‌هاي وابسته به زمان به كار مي‌رود و نيازي به معادلات پيچيده ندارد. در اين مطالعه، بازار سرمايه، به‌ويژه بازار بورس، به‌عنوان يك سيستم پويا در نظر گرفته مي‌شود و با استفاده از الگوريتم تجزيه حالت پويا، به پيش‌بيني كوتاه‌مدت بازار سهام پرداخته مي‌شود. به اين منظور، مدل‌هاي تركيبي جديدي شامل DMD-LSTM و DMD-MLP توسعه يافته‌اند كه از شبكه‌هاي عصبي و تجزيه حالت پويا بهره مي‌برند. كارآمدي اين روش‌ها از طريق چندين مثال واقعي در بورس و حوزه مالي ارزيابي شده و نتايج نشان‌دهنده بهبود دقت پيش‌بيني نسبت به روش‌هاي موجود است. همچنين، با استفاده از رويكرد تجزيه حالت پويا، بهترين سهام با بالاترين بازده شناسايي شده و اثربخشي اين روش در تجزيه و تحليل گروه‌هاي مختلف بورسي تاييد مي‌شود. اين يافته‌ها مي‌توانند به تصميم‌گيري‌هاي بهتر در سرمايه‌گذاري و انتخاب سهام كمك كنند.

1403/11/30

ابراهيمي

77351