دوره 26 (1400)
دوره 25 (1399)
دوره 24 (1398)
دوره 23 (1397)
دوره 22 (1396)
دوره 21 (1395)
دوره 20 (1394)
دوره 19 (1393)
دوره 18 (1392)
دوره 17 (1391)
دوره 16 (1390)
دوره 15 (1389)
دوره 14 (1389)
دوره 13 (1388)
دوره 12 (1387)
دوره 11 (1387)
دوره 10 (1387)
دوره 9 (1386)
دوره 8 (1385)
دوره 7 (1384)
دوره 6 (1383)
دوره 5 (1382)
دوره 4 (1381)
دوره 3 (1380)
دوره 2 (1379)
دوره 1 (1374)
1. پیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی

علی رئوفی؛ تیمور محمدی

دوره 23، شماره 76 ، پاییز 1397، ، صفحه 107-136

http://dx.doi.org/10.22054/ijer.2018.9514

چکیده
  همواره مدل­سازی و پیش­بینی متغیرهای مالی یکی از موضوع‌های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیش­بینی سری­های زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم می­آورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیش­بینی کرد. در این روش، با استفاده از تجزیه ...  بیشتر