قیمت سهام و سبدهای سهام، اغلب می تواند به عنوان فرآیندهای هموار و مستمر در نظر گرفته شود و بازار سهام تحت این شرایط با ثبات عمل می کند. با این حال، از آن جایی که بازار سهام به راحتی توسط عوامل بسیاری، به ویژه برخی موارد خاص، مانند تعدیل سیاست ‌های کلان اقتصادی ملی و شرایط اضطراری در صنایع مرتبط با سهام، آشفته می ‌شود، ممکن است قیمت سهام در کوتاه‌ مدت تغییرات ناگهانی را نشان دهد که خطراتی را به همراه دارد و دشواری پیش بینی قیمت سهام را افزایش می دهد. با توجه به تداوم زمانی داده های قیمت سهام، قیمت سهام در دوره قبلی بر قیمت سهام آتی، تاثیر دارد و اطلاعات قدیمی قیمت سهام نسبت به اطلاعات اخیر قیمت سهام، تاثیر ضعیف تری بر پیش بینی قیمت سهام جهت فرآیندهای انتخاب و زمان ‌بندی تعاملی در سبد سهام دارد. بنابراین با توجه به این که شدت تاثیر نقاط جهش بر قیمت سهام در هر روز معاملاتی متفاوت است، وزن با توجه به فاصله نقطه جهش تا هر روز معاملاتی تعیین می شود. هر چه نقطه جهش به روز معاملات نزدیک تر باشد، وزن ضربه بیشتر است. وجود یک نقطه جهش، دشواری پیش ‌بینی قیمت سهام برای فرآیندهای انتخاب و زمان ‌بندی تعاملی در سبد سهام را افزایش می ‌دهد. اکثر مدل‌ های موجود از میانگین مربعات خطا (MSE) به عنوان تابع ضرر استفاده می ‌کنند و مقدار پیش ‌بینی ‌شده به دلیل تاثیر نقطه جهش، تا حد زیادی از مقدار واقعی منحرف می‌ شود. برای حل مشکلات فوق، در این تحقیق، یک تابع هدف و اشکال مختلف تابع هدف در فواصل زمانی مختلف برای افزایش توانایی ضد نویز مدل و بهبود دقت پیش ‌بینی سهام جهت فرآیندهای انتخاب و زمان ‌بندی تعاملی در سبد سهام بر اساس داده های KOPSI با هدف ایجاد سبد سهام و پیش بینی آن برپایه الگوریتم ازدحام ذرات بهینه و مدل شوارتز، اتخاذ شده است.

علی اصغر روح الامین

کارشناسی ارشد مدیریت کسب و کار (MBA)

Integration of interactive scheduling and selection processes in portfolio management Stock prices and stock portfolios can often be considered as smooth and continuous processes, and the stock market operates stably under these conditions. However, since the stock market is easily disturbed by many factors, especially some special ones, such as the adjustment of national macroeconomic policies and emergencies in the stock-related industries, stock prices may fluctuate in the short term, show suddenness that brings risks and increases the difficulty of predicting stock prices. According to the temporal continuity of stock price data, the stock price in the previous period affects the future stock price, and the old stock price information has a weaker effect on the stock price prediction for the selection and interactive timing processes in comparison to the recent stock price information. Has a stock portfolio. Therefore, considering that the intensity of the impact of jump points on stock prices is different on each trading day, the weight is determined according to the distance between the jump point and each trading day. The closer the bounce point is to the trading day, the greater the impact weight. The existence of a jump point increases the difficulty of stock price prediction for interactive selection and timing processes in the stock portfolio. Most of the existing models use the mean square error (MSE) as the loss function, and the predicted value deviates greatly from the actual value due to the influence of the jump point. To solve the above problems, in this research, an objective function and different forms of the objective function at different time intervals to increase the anti-noise ability of the model and improve the accuracy of stock prediction for interactive selection and timing processes in the stock portfolio based on KOPSI data to create the stock portfolio and its prediction are based on the optimal particle swarm algorithm and Schwartz model.

Aliasghar Ruholamin

Master of Business Administration (MBA).

امروزه با توجه به رشد فراوان در زمینه های الکترونیک و تجازت الکترونیک، سامانه های فراوانی با اهداف گوناگون تعبیه شده است. یکی از مهمترین این سامانه ها، سامانه بانکداری الکترونیک می باشد. بانکداری الکترونیک بدین معنی است که همه عملیاتی که می توان به صورت فیزیکی در شعبه های مختلف بانک ها انجام داد را به صورت اینترنتی نیز انجام داد. البته بانکداری دیجیتال دارای قوانینی خاص می باشد که کاربران باید با داشتن یک حساب در بانک مذکور و داشتن نام کاربری و رمز عبور برای سامانه بانکداری الکترونیک، به استفاده از آن بپردازند که برقراری امنیت به دلیل الکترونیکی بودن در این حوزه، دارای اهمیت می باشد. یکی از چالش هایی که در این زمینه وجود دارد، استفاده کمتر مشتریان از خدمات اینترنت بانک نسبت به عملیات فیزیکی در شعبه های بانک می باشد. این که بتوان کاربران را به سمت بانکداری دیجیتال جذب نمود، مهمترین چالش این مبحث به شمار می رود. ارزیابی عوامل موثر در پذیرش بانکداری الکترونیک، مبحث اصلی این تحقیق می باشد که با رویکرد داده کاوی، این عملیات انجام می شود. رویکرد کلی بدین صورت است که بعد از ورود مجموعه داده ها و نرمال سازی آن ها، خوشه بندی مبتنی بر K-means جهت مشخص کردن معیارها و زیرمعیارها که شامل جنس، سن، شغل، تحصیلات، اعتماد به بانکداری دیجیتال، نگرش نسبت به مفید بودن بانکداری دیجیتال، سهولت استفاده از بانکداری دیجیتال و شرایط تسهیل ‌کننده بانکداری دیجیتال می باشد، استخراج می شوند. سپس با رویکرد تصمیم گیری چندمعیاره فرایند تحلیل سلسله مراتبی، معیارها و عوامل موثر در بانکداری دیجیتال، رتبه بندی می شوند.

علی اصغر روح الامین
کارشناسی ارشد مدیریت کسب و کار (MBA)

This article is written on the topic of evaluating and determining the factors affecting the adoption of digital banking.
With the remarkable growth in electronics and electronic commerce (e-commerce), many systems with various objectives have been adopted, one of which is the electronic banking system (EBS). EBS offers customers almost every service traditionally available through a local branch. 
This system has unique rules, according to which users must use a bank account with a username and a password for electronic banking (e-banking) services. Regarding its electronic nature, security is of paramount importance. One of the main challenges in EBS is that customers use e-banking services less frequently than physical services offered in bank branches. In this regard, the major challenge is how to attract customers to e-banking. The present study mainly aimed to detect the determinants of e-banking acceptance (EBA) using the data mining approach. After importing and normalizing the data, K-means clustering was extracted to determine criteria and sub-criteria, including gender, age, occupation, level of education, trust in e-banking, attitude towards e-banking usefulness, ease of e-banking use, and e-banking facilitators. Then the Analytic Hierarchy Process (AHP) in the multi-criteria decision-making approach (MCDM) was used to rank effective criteria and determinants of EBA.

Aliasghar Ruholamin
Master of Business Administration (MBA)