مقایسه تکنیک داده کاوی Classification با روش های Time series ، Regression درشبکه عصبی برای بازه ی زمانی معین جهت بررسی و پیش بینی افت ویا رشد سهام شرکت های بورس

بازار بورس یکی از بازارهای مالی بارز ومناسب جهت سرمایه گذاری است که این سرمایه گذاری همواره با عدماطمینان مواجه بوده است پیش بینی وضعیت آینده به وسیله بررسی وضعیت کنونی روشی کارا جهت کاهش اینعدم اطمینان به شمار می آید. لذا در صورتی که بتوان روند آتی بازار را با روش های مناسب پیش بینی نمود سرمایهگذار می تواند بازده ی حاصل از سرمایه گذاری خود را بیشینه سازد، این تحقیق به دنبال بررسی وپیش بینی افتویا رشد سهام شرکت های بورسی در بازه ی زمانی معین با استفاده از تکنیک های داده کاوی است . داده کاوییک فرآیندی است که هدف آن شناسایی و پیدا کردن دانش در انبار داده ها از طریق استفاده از مجموعه ای ازابزار تحلیلی و هوشمند است، تکنیک های بسیاری جهت داده کاوی وجود دارد از جمله شبکه عصبیمصنوعی،درخت تصمیم و... موسسات مالی نظیر بازار سهام حجم زیادی داده تولید میکنند که هرکدام از این دادهها اطلاعات خاصی را در این بازار به ما میدهد که پیچیدگی فراوانی را به دنبال دارد و حل کردن این پیچیدگی هابا ابزار های داده کاوی ممکن است و انگیزه محققان از این بررسی به دلیل منافع و سود آوری این مسئله می باشد.که ما درتحقیقمان برای استخراج داده ها از روشهای داده کاوی مانند شبکه ی عصبی مصنوعی استفاده خواهیمکردیم. در این تحقیق هدف ایجاد مدلی با استفاده از شبکه ی عصبی مصنوعی است که به ما بگوید سهام مثلا در5 روز آینده افت خواهد داشت یا رشد خواهد داشت تفاوت کار ما با کارهای پیشین در این است که از اندیکاتورهابه عنوان دیتاهای اضافه تر استفاده می کنیم که دقت طرحمان بالاتر برود. در واقع هر اندیکاتور یک تابع ریاضیاست که براساس اطلاعات هر کندل یک یا چند عدد تولید می کند، تحلیلگرهای تکنیکال از این اندیکاتورها برای تحلیل سهام استفاده می کنند. درواقع هدف اصلی بررسی مدلی برای بهینه سازی خرید و فروش سهام در بازار بورس جهت بیشینه کردن سود می باشد.

کلیدواژه ها:

بورس ، داده کاوی ، شبکه عصبی ، تکنیک های Time series ، Regression ، Classification