چهارمین کنفرانس بین المللی محاسبات نرم

English

رفتن به صفحه اصلی

ارائه مجازی مقاله

کد مقاله csc-6878

عنوان خوشه‌بندی فازی سری‌های زمانی مالی بر اساس مدل گارچ با رویکرد خوشه خطا

عنوان Fuzzy clustering of financial time series based on Garch model with Noise Cluster approach

نویسندگان عطیه احسانی - سیده نفیسه آل محمد

نویسندگان Atiyeh Ehsani - Nafiseh Al Mohammad

چکیده داده‌کاوی به منظور کشف و استخراج اطلاعات نهان یا الگوها و روابط مشخص، مجموعه داده‌ها را مورد تجزیه و تحلیل قرار می‌دهد. خوشه‌بندی یکی از روش‌های مهم داده‌ کاوی می‌باشد که وسیله‌ای قدرتمند برای معین کردن ساختار داده‌ها است و همچنین روش یاد‌گیر‌ی بدون نظارتی است که مجموعه داده‌ها را به خوشه‌هایی تقسیم‌بندی می‌کند که عناصر در هر خوشه با هم حداکثر شباهت و عناصر دو خوشه با هم حداقل شباهت را داشته باشند. در این مقاله روش‌های خوشه‌بندی فازی بر اساس مدل گارچ برای سری‌های زمانی مالی ارائه شده است به طوری‌که برای جلوگیری از تاثیرات منفی داده‌های پرت بر مجموعه داده‌ها، داده‌های پرت در خوشه‌ای به نام خوشه ‌خطا قرار داده می‌شوند. به منظور نشان دادن عملکرد مدل پیشنهادی از سهام ۳۰ شرکت برتر، فعال و پرسود موجود در بازار بورس ایران و از نرم افزار R و شاخص PC برای تعیین تعداد دقیق خوشه‌ها و شاخص سیلهوت و زای بنی برای مقایسه‌ی دقت روش‌های خوشه‌بندی استفاده شده است. در آخر روش‌های خوشه‌بندی فازی سی میانگین و فازی سی مدوید بر اساس مدل گارچ با رویکرد خوشه خطا با هم مقایسه و نشان داده می‌شود روش خوشه‌بندی فازی سی میانگین بر اساس مدل گارچ با رویکرد خوشه خطا عملکرد بهتری دارد.

فایل های مقاله

فایل ارائه پوستر (pdf)

محتوای ارائه مجازی مقاله

نظرات

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 21.0.1