|
|
مدیریت فناوری اطلاعات، جلد ۹، شماره ۱، صفحات ۱-۲۰
|
|
|
| عنوان فارسی |
طراحی نوعی سیستم هوشمند برای کشف تقلب حاصل از حرکت القایی در معاملات بازار قراردادهای آتی سکۀ بورس کالای ایران مبتنی بر شبکۀ بیزی |
|
| چکیده فارسی مقاله |
در بازار سهام، برخی سوداگران بهمنظور کسب منفعت بیشتر سعی میکنند به‌وسیلۀ سفارشهای صوری، سبب تأثیر هدفمند بر نوسان قیمتها شوند و از وضعیت پیش‌آمده در قیمتها سوءاستفاده کنند که به این عمل، حرکت القایی گفته میشود. به‌دلیل جمعیت آماری زیاد مشتریان، امکان نظارت چشمی یا نظارت سیستمی از طریق روشهای سنتی برای کشف حرکت القایی وجود ندارد. پژوهش حاضر به‌دنبال ارائۀ سیستمی برای پیشگیری از وقوع حرکت القایی در معاملات بازار قراردادهای آتی سکۀ بورس کالای ایران مبتنی بر مدل‌سازی طبقهبند بیزی است. سیستم ارائه‌شده ضمن برخورداری از پیچیدگی زمانیِ چندجملهای، به‌دلیل لحاظ‌کردن وابستگیهای مهم میان ویژگیهای مختلف داده، دقت زیادی دارد. برچسبگذاری اولیۀ دادهها با استفاده از خوشهبندی کا ـ میانگین انجام گرفته است و آزمون مدل، تشابه 55/94 درصدی را میان نتیجۀ روش بیزی پیشنهادی و داده‌های برچسبگذاریشده نشان میدهد. استفاده از سیستم نوین ارائه‌شده به شناسایی افراد فریبکار در معاملات بازار از افراد سالم کمک به‌سزایی میکند. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
An Intelligent System for Fraud Detection in Coin Futures Market’s Transactions of Iran Mercantile Exchange Based on Bayesian Network |
|
| چکیده انگلیسی مقاله |
In order to gain more illicit profit, some traders in the stock market try to make a targeted impact on prices by placing fake orders and false advertising. Due to the high customer population, it is not possible to discover these frauds using traditional methods. The present study seeks to provide a system for preventing the frauds in future market-trading coins based on Bayesian classifier model for Iran Mercantile Exchange. The proposed model has polynomial time complexity and high accuracy because of considering important dependencies among different features of data. The primary labeling of data has been done by Kmeans clustering. The test of model shows 94.55 percent similarity between model's output and labeled data. Using this system can helps to identify the fraudulent from non-fraudulent traders. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
سید امیررضا ابطحی | seyed amirreza
استادیار گروه مدیریت فناوری اطلاعات، دانشکدۀ مدیریت دانشگاه خوارزمی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)
فاطمه الهی |
دانشجوی کارشناسی ارشد مهندسی دانش و علوم تصمیم، دانشکدۀ مدیریت، دانشگاه خوارزمی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)
رضا یوسفی زنوز | yousefi zenouz
استادیار گروه مدیریت فناوری اطلاعات، دانشکدۀ مدیریت دانشگاه خوارزمی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)
|
|
| نشانی اینترنتی |
http://jitm.ut.ac.ir/article_60680_26aa06de30a6257fb58215616a88d6ba.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-386275.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|