<?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>دانشگاه شهید بهشتی</PublisherName>
				<JournalTitle>چشم انداز مدیریت مالی</JournalTitle>
				<Issn>2645-4637</Issn>
				<Volume>5</Volume>
				<Issue>11</Issue>
				<PubDate PubStatus="epublish">
					<Year>2015</Year>
					<Month>10</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>مدلسازی هم‌حرکتی سهام در بورس اوراق بهادار تهران با استفاده از رویکرد خوشه‌بندی سه‌مرحله‌ای</VernacularTitle>
			<FirstPage>133</FirstPage>
			<LastPage>158</LastPage>
			<ELocationID EIdType="pii">94651</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>اقبال نیا</LastName>
<Affiliation>* استادیار گروه مدیریت مالی و مهندسی مالی دانشکده علوم مالی، عضو هیات علمی دانشگاه خوارزمی</Affiliation>

</Author>
<Author>
					<FirstName>احمد</FirstName>
					<LastName>پویان فر</LastName>
<Affiliation>** دکترای مدیرت مالی، دانشگاه تهران.</Affiliation>

</Author>
<Author>
					<FirstName>ملیحه</FirstName>
					<LastName>ما لکی</LastName>
<Affiliation>*** کارشناسی ارشد مهندسی مالی، موسسه آموزش عالی غیرانتفاعی خاتم (نویسنده مسئول).</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2016</Year>
					<Month>12</Month>
					<Day>20</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA"> چکیده     خوشه­بندی به‌عنوان یکی از روش­های داده­کاوی توصیفی، روشی برای گروه­بندی مشاهده‌ها به k خوشه (گروه) مختلف است. خوشه­بندی بازار سهام، اطلاعات سودمندی را جهت پیش­بینی تغییرات قیمت سهام شرکت‌های مختلف در اختیار سرمایه­گذاران شخصی و متخصصان مالی قرار می­دهد. در سال­های اخیر، خوشه‌بندی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار براساس شباهت در روند حرکتی یا به‌عبارتی شکل بازار آن‌ها، مورد توجه قرار گرفته است. رویکردهای موجود خوشه­بندی، نتایج خوبی برای این روند ارائه نمی­دهند؛ زیرا داده­های مربوط به قیمت سهام شرکت­ها داده­های سری­زمانی مالی هستند که دارای ابعاد زیاد است و تغییرات در این داده­ها، معمولا با شیفت­های زمانی همراه است. این ویژگی­ها، خوشه­بندی شرکت­ها براساس روند حرکتی قیمت سهام آن‌ها را بسیار پیچیده کرده است. از طرفی در بین روش­های موجود، روشی برای خوشه­بندی بازار سهام که بتواند شرکت­ها را به زیرخوشه­هایی که حاوی اطلاعات مفید برای استفاده‌کننده نهایی است، تقسیم کند وجود ندارد. در تحقیق حاضر، روش خوشه­بندی سه­مرحله­ای برای خوشه­بندی شرکت­های موجود در بورس اوراق بهادار، براساس شباهت در روند حرکتی قیمت سهام شرکت­ها، مورد استفاده قرار گرفته است. در مرحله اول، کاهش ابعاد داده­ها صورت گرفته است و خوشه­بندی تقریبی شرکت­ها انجام می­شود. سپس در مرحله دوم، خوشه‌های ایجاد شده در مرحله قبل، به زیرخوشه­های با کیفیت و دقت بیشتر تقسیم می­شوند. در نهایت، زیر‌خوشه­های ایجاد شده، در مرحله سوم ادغام و خوشه­های نهایی ارائه می­شود. مدل ارائه شده، با استفاده از روش مجموع مربعات خطا مورد ارزیابی قرار می­گیرد. نتایج تحقیق نشان می‌دهد روش خوشه‌بندی سه مرحله‌ای در مقایسه با سایر الگوریتم­های خوشه­بندی مرسوم از نظر اثربخشی و کیفیت، عملکرد بهتری دارد</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">بازار بورس اوراق بهادار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">داده‌کاوی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">هم‌حرکتی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">خوشه‌بندی سه‌مرحله‌ای</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سری‌زمانی</Param>
			</Object>
		</ObjectList>
</Article>
</ArticleSet>
