………………………………………………………..۸۷
۳-۱۰) جمع بندی………………………………………………………………………………………………………………………………………………………………………………………………………..۸۹
فصل چهارم:
۴-۱) مقدمه……………………………………………………………………………………………………………………………………………………………………………………………………………………۹۱
۴-۲) بررسی مانایی بازده­های لگاریتمی……………………………………………………………………………………………………………………………………………………………………….. ۹۲
۴-۳)محاسبه­ی معیار میانگین مجذور خطا………………………………………………………………………………………………………………………………………………………………….. ۹۳
۴-۴) محاسبه­ی تابع زیان قدر مطلق درصد خطا…………………………………………………………………………………………………………………………………………………………. ۹۶
۴-۵) آزمون فرضیه ­های تحقیق……………………………………………………………………………………………………………………………………………………………………………… ۱۰۰
فصل پنجم:
۵-۱) نتیجه ­گیری…………………………………………………………………………………………………………………………………………………………………………………… ۱۱۶
۵-۲) پیشنهادات برای تحقیقات آتی………………………………………………………………………………………………………………………………………………………. ۱۱۸

منابع و مآخذ
منابع داخلی…………………………………………………………………………………………………………………………………………………………………………………………… ۱۱۹
منابع خارجی…………………………………………………………………………………………………………………………………………………………………………………………… ۱۲۱
فهرست اشکال
شکل ۲-۱) ساختار پایه­ای شبکه­ عصبی…………………………………………………………………………………………………………………………………………………………………. ۳۸
شکل ۲-۲) نرون با یک ورودی عددی………………………………………………………………………………………………………………………………………………………………………. ۴۰
شکل ۲-۳) شبکه تک لایه با چندین نرون و بردار ورودی…………………………………………………………………………………………………….. ……………………………….. ۴۳
شکل ۲-۴) شبکه ­های عصبی با چندین لایه و چندین نرون……………………………………………………………………………………………………………………………………. ۴۳
شکل ۲-۵) شبکه­ عصبی پیش­خور با تابع فعال سازی تانژانت هیپربولیک………………………………………………………………………………………………………….. ۴۵
شکل۲-۶) طبقه بندی کلاس داده ها توسط ماشین بردار پشتیبان……………………………………………………………………………………………………………………………۵۳
شکل ۲-۷) طبقه بندی بهینه کلاس داده ها توسط ماشین بردار پشتیبان……………………………………………. …………………………………………………………………۵۴
شکل۲-۸) ماشین بردار پشتیبان با حاشیه ثابت…………………………………………………………………… …………………………………………………………………………………..۵۵
شکل۲-۹) فرایند ماشین بردار پشتیبان……………………………………………………………………………………………… …………………………………………………………………….۵۷
شکل ۲-۱۰) ماشین بردار پشتیبان با حاشیه نرم…………………………………………………………… ………………………………………………………………………………………..۵۹
شکل ۲-۱۱) طبقه بندی غیر خطی ماشین بردارپشتیبان………………………………………….. ……………………………………………………………………………………………۶۰
شکل ۲-۱۲) تابع ضرر وپنیک و متغیرهای slack………………………………………….. ……………………………………………………………………………………………………….64
فهرست جداول
جدول ۴-۱) آزمون دیکی و فولر برای بازده لگاریتمی سری زمانی شاخص کل……………………………………………………………………………………………………… …۹۴
جدول ۴-۲) قدرمطلق خطا برای مقایسه مدل ترکیبی آریما و شبکه عصبی با هر یک از اجزای تشکیل دهنده…………………………………………………… ۹۵
جدول ۴-۳) قدر مطلق خطا برای مقایسه مدل ترکیبی آریما و رگرسیون بردار پشتیبان با هریک از اجزای تشکیل دهنده………………………………… ۹۷
جدول ۴-۴)قدرمطلق درصد خطا برای مقایسه مدل ترکیبی آریما و شبکه عصبی با هر یک از اجزای تشکیل دهنده………………………………………….. ۹۹
جدول ۴-۵) قدرمطلق درصدخطا برای مقایسه مدل ترکیبی آریماورگرسیون بردار پشتیبان با هریک ازاجزای تشکیل دهنده……………………………..۱۰۰
جدول ۴-۶) آزمون مقایسه زوجی مدل ترکیبی آریما و شبکه عصبی با آریما(قدرمطلق خطا) ………………………………………………………………………….. ۱۰۲
جدول ۴-۷) آزمون مقایسه زوجی مدل ترکیبی آریما و شبکه عصبی با شبکه عصبی(قدرمطلق خطا) ……………………………………………………………. ۱۰۵
جدول ۴-۸) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه مدل ترکیبی آریما و شبکه عصبی با هر یک بطور مجزا(قدر مطلق خطا) ۱۰۴
جدول ۴-۹) آزمون مقایسه زوجی مدل ترکیبی آریما و شبکه عصبی با آریما (قدرمطلق درصد خطا) ………………………………………………………………. ۱۰۵
جدول ۴-۱۰) آزمون مقایسه زوجی مدل ترکیبی آریما و شبکه عصبی با شبکه عصبی(قدرمطلق درصدخطا)………………………………….. ۱۰۶
جدول ۴-۱۱) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه مدل ترکیبی آریما و شبکه عصبی با هر یک بطور مجزا(قدر مطلق درصد خطا)………………………… ………………………………………. ………………………….. …………………………………………………………………………………………………………….. ۱۰۷
جدول ۴-۱۲) آزمون مقایسه زوجی مدل ترکیبی آریما و رگرسیون بردار پشتیبان با آریما( قدر مطلق خطا)……………………………………………………………………………………………………………………………………………………………………………………………………۱۰۸
جدول۴-۱۳) آزمون مقایسه زوجی مدل ترکیبی آریما و رگرسیون بردار پشتیبان با SVR( قدر مطلق خطا)………………………………….۱۰۸
جدول۴-۱۴) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه مدل ترکیبی آریما و SVR با هر یک بطور مجزا(قدر مطلق خطا)………………………………………………………………………………………………………………………………………………………………………………………………….۱۰۹
جدول ۴-۱۵) آزمون مقایسه زوجی مدل ترکیبی آریما و رگرسیون بردار پشتیبان با آریما( قدر مطلق درصد خطا)……………………..۱۱۲
جدول ۴-۱۶) آزمون مقایسه زوجی مدل ترکیبی آریما و شبکه عصبی با شبکه عصبی( قدر مطلق خطا)……………………………………..۱۱۲
جدول۴-۱۷) آزمون دایبولد-ماریانو و آماره تعدیل شده برای مقایسه مدل ترکیبی آریما و SVR با هر یک بطور مجزا(قدر مطلق
درصد خطا)………………………………………………………………………………………………………………………………………………………………………………………..۱۱۲
جدول ۴-۱۸) آزمون مقایسه زوجی دو مدل ترکیبی(قدر مطلق خطا)…………………………………………………………………………………………….۱۱۳