صفحه 1:
کاریرد هوش مصنوعی در بورس و امور مالی
صفحه 2:
فهرست مطالب
* مقدمه
*_ چهار مورد از تکنولوژیها و تکنیک های حسابداری
کاربردهای هوش مصنوعی در امور مالی
پیش بینی روند قیمت سهام
*_برآورد بهای تمام شده
*_قیمت گذاری اوراق بهادار جدید
* منطق فازی
۶ _کشف تقلب در صورت های مالی
*_ پیش بینی ورشکستگی
هوش مصنوعی در سرمایه گذاری
* _نتایج پژوهش
۰ پیشنهادهایی به سیاست گذاران و دست اند رکاران
صفحه 3:
مقدمه:
هوفنمستبتویعین علاوه بنکاربرة کی که ۲
در زمینه های مختلف دارد مدت هاست 9
که جایگاه خود را در حسایداری و امور pill
مالی پیدا کرده است. محفقان حسابداری
تکنولوژی ها و تکنیک های هوش
مصنوعی را با موفقیت هایی چند» برای
کارهای خاصی در گزارشگری و تحلیل
مالی حسابرسی و اطمینان بخشی و در
محدوده های دیگرمانند بورس به کار
برده اند.
صفحه 4:
چهار مورد از تکنولوژیها و تکنیک های حسابداری
با توجه به گسترده بودن این مباحث, چهار مورد ol jl
هماکه نقفش عمده تری در تشریج کاربرد هوش
مصنوعی در حسابداری و امور مالی دارند, توضيح
داده شده است:
سیستم های خبره
الگوریتم ژنتیک
نطق فازی
صفحه 5:
سیستم های_خبره :
اصطلاح سیستم خبره از سیستم هاي خبره دانش محور مشتق
شده است. سیستم خبره, سیستمی است که دانش انسانی را
بوسیله کامپیوتر, براي حل مسائلی که غالبا نیازمند تخصص
انسانی است, به کار می برد. در واقع سیستم خبره, روشی
براي گنجاندن دانش افراد خبره در کامپیوتر است , گامی در
جهت بناي هوش مصنوعی . این سیستم ها می کوشند جنبه
هایی از دانش و استدلال انسانی را در کامپیوتر بگنجانند تا به
صفحه 6:
سیستم عصبی مصنوعی در امور مالی کاربرد هایی دارد که مهمترین آن ها :
پیش بینی روند قیمتا سهام
ارزشیایی
پیش بینی مییزان اعتبار
تصويب اعتبارات
ب آورد بهاى تمام شده
بيش بينى و ب آورد آتى
ارزیابی ورشکستگی( ارزيابى خطى وام دهى)
منطق فازی
صفحه 7:
الگوریتم ژنتیک :
یم در بارد که مهمترین آن ها :
لگو ژنتیک در امور مالی كاربرد هايى دار
BS امور 2
الگوریتم ژنتی ها
کشف تقلب در صورت های مالی
پیش بینی ورشکستگی
انتخاب پتفوی
صفحه 8:
هوش مصنوعی. در سرمایه گذاری
دانشمندان و محققان در دهه آخر قرن بیست عمدتا به اين
اصل معتقد شدند که فرض منطقي بودن سرمایه گذاري که
اضل غيرقابل. اغماص :دز سترهانه گذاوی :هدن هالن است
ويكي از مفروضات اصلي در بازار کارا و یا مدل بازار است
با توجه به عوامل پیچیده اي که در بازارهاي سهام دخیل
هستند, واقعي نیست . آن ها به این نتیجه رسیده اند که بازار
سرمایه داري نظم مشخصي cum و استفاده از ریاضیات
پیچیده در سیستم هاي غیر خطي و پويامي تواند مدل هايي
را ایجاد کند که نظریه هاي گذشته را باطل کند .
صفحه 9:
2
x10
تم تس
actual
ARIMA prediction
o 6 10 18 20 28 30 35 an 48
مقایسه مقادير دو مدل بيش بيني با واقعیت در داده های دوره برآورد
14
13
1.28
12
صفحه 10:
ييشنهادهايي به سیاست گذاران و
دست اندركاران:
٠» عدم توانايي بيش بيني شبكه هاي عصبي با داده هايي مثل قيمت طلاء تورم
و نرخ ارز به دليل عدم وابستكي بخش هاي داخلي اقتصاد كشور
وجود همبستكي بين قيمت هاي متوالي تحليل خوشه اى در بازاريابى
* تحليل وفادارى مشترى
* بهترین روش پیش بيني قیمت
صفحه 11:
lo
Ss 4 و افسرء امير » مدل سازى پیش بینی قیمت سهام با رویکرد شبکه های عصبی فازی*
فصلنامه پژوهشنامه بازرگانی؛ شماره (0» ص ص 30-00
0. خالوزاده» حمید ( ۱۳۷۷ ). مدلسازي غیر خطي و پیث رفتار قیمت سهام در بازاربورس تهران؛
رساله دكتري مهندسي برق» دانشگاه تربیت مدرس» دانشکده فني و مهندسي
©. تهرانى؛ رضا و عباسیون؛ وحید "کاربرد شبکه عصبی مصنوعی در زمانبندی معاملات سهام: با
رویکرد تحلیل تکنیکی"» فصلنامه پژوهش های اقتصادی؛ سال هشتم» شماره اول» ص ص -۲2۳۳).
راسل. استورات و نورویگ پیتر » هوش مصنوعی (رهیافتی نوین)» جعفر نژاد قمى؛ عين اهلل»
بابل نشر علوم رايانه.
©. راعى؛ رضا "شبكه هاى عصبى: رويكردى نوين در تصميم كيرى هاى مديريت"؛ مدرس؛ دوره ©:
شماره 3 ص ص 180-49
0. سینایی حسنعلی؛ مرتضوی. سعید اهلل و تیموری اصل یاسر "پیش بینی شاخص بورس اوراق
بهادار تهران با ستفاده از شبکه های عصبی مصنوعی"» بررسی های حسابداری و حسابرسی؛ سال
دوازدهب شماره 6 ص ص ©©-©©.
0. عرب مازار یزدی؛ محمد؛ احمدی؛ علی و عبدلی؛ محمود ؛ "سیستم های هوشمند و حسابداری"»
ماهنامه حسابدار؛ سال بيست و يكم؛ شماره © ص ©6.
©. قاسم نزاد مقدم؛ نيماء بقائى نياء فاطمه و بافنده زنده» علیرضا » "منطق فازی به زبان ساده"؛ ماهنامه
كنترل كيفيت؛ شماره ۰06 ص ص 60-0
0 یعقوب نژاد» احمد ۰"منطق فازی کاربرد در زمینه احتمال خطر حسابرسی و نبود اطمینان*؛
حسایرس؛ شماره 00 : ص ص 66-8