چکیده فارسی :

در این تحقیق، روش جدیدی جهت پیش بینی بازده سهام و خطرات توسعه داده می شود. در این روش سه مرحله ای، از طریق بررسی جامع، کلیه مشخصات احتمالی مؤثر بر خطر سهام ودرآمد سهام شناسایی می شود. سپس در مرحله بعدی، خطر و درآمد از طریق بکاربردن روشهای داده های کاوی برای مشخضات مفروض پیش بینی می شود. درنهایت، ما الگوریتم هیبرید را توسعه می دهیم که براساس خوشه بندی مبتنی بر تابع و فیلتر است، مشخصات مهم در پیش بینی درآمد و خطر انتخاب می شوند سپس خطر و درآمد مجدداً پیش بینی می شود. این نتایج نشان می دهند که مدل هیبرید پیشنهادی، ابزاری مناسب برای انتخاب مشخصه مؤثر است و این مشخصه ها، شاخص های جوی برای همراه بادهای بورس سهام تهران از سال 2002 تا سال 2011 استفاده می نماییم.

چکیده انگلیسی:

In this research, a novel approach is developed to predict stocks return and risks. In this three stage method, through a comprehensive investigation all possible features which can be effective on stocks risk and return are identified. Then, in the next stage risk and return are predicted by applying data mining techniques for the given features. Finally, we develop a hybrid algorithm, on the basis of filter and function- based clustering; the important features in risk and return prediction are selected then risk and return re-predicted. The results show that the proposed hybrid model is a proper tool for effective feature selection and these features are good indicators for the prediction of risk and return. To illustrate the approach as well as to train data and test, we apply it to Tehran Stock Exchange (TSE) data from 2002 to 2011 .