پیش بینی جهت حرکت قیمت سهام با استفاده از یک مدل انتشار برچسب مبتنی بر شبکه و یادگیری نظارت شده

در سال های اخیر استفاده از مدلسازی شبکه ای به ابزاری برای شناسایی و تحلیل الگوهای پیچیده رفتاری در بسیاری از دامنه ها تبدیل شده است. یک مسئله نادیده گرفته شده در پیش بینی بازارهای مالی، داشتن مدلی است که همزمان از شبکه ی روابط سهام های مختلف و پیش بینی های مبتنی بر داده های گذشته ی بازار استفاده کند. برخلاف بسیاری از دامنه ها، استفاده از روش انتشار برچسب مبتنی بر شبکه در پیش بینی سری های زمانی مالی به علت نبود برچسب مورد توجه قرار نگرفته است. در این مقاله ساختار شبکه ای جدید برای مدلسازی روابط میان سهام های بازار و تاثیر بازده شان بر هم معرفی شده است و بر اساس این شبکه و با ترکیب پیش بینی مدل های کلاسیک، یک روش انتشار برچسب با استفاده از الگوریتم پیج رنک با بردار شخصی سازی طراحی شده است. در روش معرفی شده به نام LabelNet برچسب ها به کمک الگوریتم های یادگیری نظارت شده از داده های گذشته سهم، برای انتشار در شبکه استخراج می شوند و با استفاده از انتشار برچسب پیش بینی نهایی انجام می شود. در نهایت، ارزیابی های ما بر روی داده های بازار سهام تهران نشان می دهد مدل معرفی شده نسبت به مدل های رقیب، دقت بالاتری را در پیش بینی حاصل کرده است.

کلیدواژه ها:

پیش بینی سری های زمانی ، مدل های ترکیبی یادگیری ماشین ، مدلهای مبتنی بر شبکه ، انتشار برچسب ، یادگیری نظارت شده ، داده کاوی مالی.