<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>پژوهشگاه حوزه و دانشگاه</PublisherName>
				<JournalTitle>جستارهای اقتصادی  با رویکرد  اسلامی</JournalTitle>
				<Issn>3115-8226</Issn>
				<Volume>6</Volume>
				<Issue>11</Issue>
				<PubDate PubStatus="epublish">
					<Year>2009</Year>
					<Month>03</Month>
					<Day>21</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Introducing a Prediction Model in Total Stock Price Index Using Neural Networks Approach
(Case Study: Tehran Stock Exchange)</ArticleTitle>
<VernacularTitle>ارائه مدل پیش بینی شاخص کل قیمت سهام با رویکرد شبکه های عصبی (مطالعه موردی: بورس اوراق بهادار تهران)</VernacularTitle>
			<FirstPage>83</FirstPage>
			<LastPage>108</LastPage>
			<ELocationID EIdType="pii">276</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>علیرضا </FirstName>
					<LastName>پاکدین امیری</LastName>
<Affiliation>کارشناس ارشد مدیریت مالی و عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی</Affiliation>

</Author>
<Author>
					<FirstName>مجتبی </FirstName>
					<LastName>پاکدین امیری</LastName>
<Affiliation>مدیریت بازرگانی دانشکده علوم اقتصاد و اداری دانشگاه مازندران</Affiliation>

</Author>
<Author>
					<FirstName>مرتضی </FirstName>
					<LastName>پاکدین امیری</LastName>
<Affiliation>کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2009</Year>
					<Month>03</Month>
					<Day>25</Day>
				</PubDate>
			</History>
		<Abstract>The object of this research is to present a prediction model of price&lt;br /&gt;index in Tehran stock exchange using artificial neural networks. For&lt;br /&gt;this reason, the industry index, financial index and the annual TEDIX&lt;br /&gt;index were introduced as (independent) input variables. The MLP&lt;br /&gt;plan accompanied with post-processing algorithm and multi-factor&lt;br /&gt;model have been used to evaluate neural network model. The results&lt;br /&gt;suggest that the proposed neural networks model is potent of&lt;br /&gt;predicting price index in Tehran stock exchange. In the closing part,&lt;br /&gt;conclusion has been drawn and applicable suggestions and also&lt;br /&gt;directions have been given concerning pursuing and following up&lt;br /&gt;similar researches.</Abstract>
			<OtherAbstract Language="FA">هدف تحقیق حاضر ارائه مدل پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکه­های عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به ­صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان می­دهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیش­بینی شاخص قیمت سهام در بورس اوراق بهادار تهران را دارا می­باشد. در پایان مقاله، بحث، نتیجه گیری، پیشنهادات کاربردی و نیز مواردی در خصوص ادامه و پی­گیری تحقیقات مشابه در آینده بیان شده است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">پیش­بینی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شاخص بورس اوراق بهادا ر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه­های عصبی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل چند عاملی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://iee.rihu.ac.ir/article_276_cb7b08510e9d6e513c481164645dc3a0.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
