تحقیق کاربرد کلاس بندی و درخت تصمیم در بازارهای مالی (براساس بررسی سه مقاله معتبر)

توضیحات

عنوان: تحقیق کاربرد کلاس بندی و درخت تصمیم در بازارهای مالی (براساس بررسی سه مقاله معتبر)

در این پروژه صنایع  3 مقاله معتبر به زبان انگلیسی از سال 2014 به بعد انتخاب شده و یک گزارش از سه مقاله ارائه شده است.

هدف: ارائه یک گزارش جمع بندی شده از سه مقاله شامل: اهداف، زمینه ها، کاربردها، شیوه بکارگیری تکنیک کربوطه در زمینه مورد نظر، مزایا، نتایج کاربردی، تفاوت ها و اشتراک های رویکرد پیشنهادی در سه مقاله می باشد.

اسامی مقاله ها:

1.Predicting Financial Distress: A Comparison of Survival Analysis and Decision Tree Techniques(2015)

2.Forecasting copper prices by decision tree learning(2017)

3.Measuring firm performance using financial ratios: A decision tree approach(2013)

مقدمه

درخت تصمیم روشی براي دسته بندي داده ها به دسته هاي مجزا با استفاده از ساختار درختی است و هدف اصلی آن کشف اطلاعات ساختاري موجود در داده هاست. درخت تصمیم یکی از متدولوژيهاي رایج در داده کاوي است که رگرسیون و پیش بینی را همزمان انجام میدهد. این تکنیک تاکنون در اغلب مسایل واقعی دنیا مورد استفاده قرار گرفته و نتایج قابل قبول و موفقی را ارایه داده است(کومار و راوي، 2007 ). از جمله الگوریتم هاي اصلی درخت تصمیم، مدلهاي آنالیزي شامل 3 ID ، درخت رگرسیونی و دسته بندي ((CART و مدل هاي  CHAIDمی باشد.

بیان مسئله:

 در این تحقیق به بررسی و تحلیل سه مقاله در رابطه با کاربرد کلاس بندی و درخت تصمیم در بازارهای مالی می پردازیم. این سه مقاله از نشریات معتبر و جدید انتخاب شده اند. هدف اصلی تحقیق، ارائه یک گزارش جمع بندی شده از سه مقاله شامل: اهداف، زمینه ها، کاربردها، شیوه بکارگیری تکنیک مربوطه در زمینه مورد نظر، مزایا، نتایج کاربردی، تفاوت ها و اشتراک های رویکرد پیشنهادی در سه مقاله است.

مقالاتی که بررسی می شوند را در زیر معرفی می کنیم:

1. مقاله « پیش بینی درماندگی های مالی: مقایسه ای از تحلیل بقا و تکنیک های درخت تصمیم » ، آدریان گپ و کولدپ کومار ، 2015.
2. مقاله: «پیش بینی قیمت های مس توسط یادگیری درخت تصمیم گیری» ، Chang Liu، Zhenhua Hu ، Yan Li، Shaojun Liu
3. مقاله: «اندازه گیری عملکرد شرکت با استفاده از نسبت های مالی: رویکرد درخت تصمیم گیری» ، Dursun Delen ، Cemil Kuzey ، Ali Uyar.

این سه مقاله در رابطه با موضوع درخت تصمیم و بازارهای مالی و واکنش های بازار انتخاب شده اند تا کاربرد درخت تصمیم را مورد بررسی قرار دهیم.

نکته: برای اختصار به جای اسم مقالات، به شماره هایی که در بالا به آنها اختصاص داده شده است، اشاره می کنیم.

 

 

اهداف

هر سه مقاله به عملکرد درخت تصمیم در حیطه مالی پرداخته اند. هدف مقاله اول (پیش بینی درماندگی و آشفتگی مالی: مقایسه ای از تحلیل بقا و تکنیک های درخت تصمیم) بررسی و تحلیل نقش درخت تصمیم در پیش بینی آسیب هایی مالی است. نارضایتی مالی و سپس شکست ناشی از یک کسب و کار معمولا یک رویداد بسیار پر هزینه و خرابکارانه است. مدلهای پیش بینی پیچیده آماری تلاش می کنند تا پیش بینی کنند که آیا یک کسب و کار دچار اختلال مالی در آینده خواهد شد اما اکثرا موفق به انجام پیش بینی درست و منطقی نمی شوند. به این خاطر در این مقاله از روش درخت تصمیم استفاده کرده اند.

 هدف مقاله دوم (پیش بینی قیمت های مس توسط بکارگیری درخت تصمیم گیری)، پیش بینی قیمت فلزات در بسیاری از جنبه های اقتصادی مهم است. قیمت فلز نیز در مدل های مالی برای ارزیابی درآمد، که اساس سیستم پرداخت موثر با استفاده از آن را تشکیل می دهد در پیش سیاستگذاران جزو متغیرهای حیاتی است. در این مقاله،  یک الگوریتم یادگیری ماشین بر اساس درخت تصمیم برای پیش بینی قیمت های مس آینده استفاده شده است.

هدف مقاله سوم (اندازه گیری عملکرد شرکت با استفاده از نسبت های مالی: رویکرد درخت تصمیم گیری) همانطور که از تیتر مقاله برمی آید، نقش محققان این تحقیق، بکارگیری مجموعه ای از مقیاس های مالی / نسبت های چالش برانگیز و اقدامات مالی /نسبت ها برای پیش بینی و تعیین عملکرد شرکت است.

 

 

 زمینه ها و کاربردها

مقاله اول:

نارضایتی مالی و سپس شکست ناشی از یک کسب و کار معمولا یک رویداد بسیار پر هزینه و خرابکارانه است. مدل های آماری پیش بینی مالی پیچیده تلاش می کنند تا پیش بینی کنند که آیا یک کسب و کار دچار اختلال مالی در آینده خواهد شد. تجزیه و تحلیل تبعیض آمیز و رگرسیون لجستیک رایج ترین روش ها بوده اند، اما تعداد زیادی از روشها نیز وجود دارد برش – تکنیک های داده کاوی که می تواند مورد استفاده قرار گیرد. در این مقاله، یک مدل تحلیل بقا نیمه پارامتری کوکس و درخت تصمیم گیری CART غیر پارامتری برای پیش بینی دشواری مالی و در مقایسه با یکدیگر و همچنین در مقایسه با محبوب ترین روش ها اعمال شده است. این تجزیه و تحلیل بر روی انواع مختلف هزینه ها انجام می شود (هزینه خطای I نوع: هزینه خطای نوع II) و پیش بینی فاصله زمانی که این بسته به وضعیت متفاوت است.

 

مقاله دوم:

پیش بینی قیمت فلزات در بسیاری از جنبه های اقتصادی مهم است. قیمت فلز نیز در مدل های مالی برای ارزیابی درآمد، که اساس سیستم پرداخت موثر با استفاده از آن را تشکیل می دهد و منابع سیاستگذاران متغیرهای حیاتی است. در این مقاله، یک الگوریتم یادگیری ماشین بر اساس درخت تصمیم برای پیش بینی قیمت های مس آینده استفاده شده است. همچنین نشان داده شد که این روش قادر است به طور دقیق و قابل اطمینان قیمت مس را پیش بینی کند در هر دو کوتاه مدت (روز) و بلند مدت (سال)، با میانگین درصد مطلق اشتباه زیر 4٪ پیش کند. همچنین نشان داد که روش فعلی رایگان، قوی و مستحکم نیست. این روش می تواند به راحتی و به راحتی برای پیش بینی قیمت فلزات و سایر کالاها مورد استفاده قرار می گیرد و انتظار هست که چنین روش می تواند در طیف گسترده ای از زمینه ها مفید باشد.

 

توجه:

• برای دانلود فایل کامل ورد لطفا اقدام به خرید نمایید.
• پس از خرید بلافاصله لینک دانلود فایل تحقیق کاربرد کلاس بندی و درخت تصمیم در بازارهای مالی برای شما ایمیل خواهد شد.