Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارائه یک روش مبتنی بر یادگیری عمیق جهت پیش بینی قیمت سهام

سال انتشار: 1401
کد COI مقاله: IRANWEB08_017
زبان مقاله: فارسیمشاهده این مقاله: 226
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه یک روش مبتنی بر یادگیری عمیق جهت پیش بینی قیمت سهام

سیده فائزه معمارزاده - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایران
هادی خسروی فارسانی - استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایرا ن
تقی جاودانی گندمانی - استادیار گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه شهرکرد، شهرکرد، ایرا ن

چکیده مقاله:

امروزه با پیشرفت دنیای ارتباطات و ظهور شبکه های اجتماعی، زندگی و تصمیم گیری افراد دستخوش تغییرات زیادی شده استشبکه های اجتماعی با هدف اطلاع رسانی، توانسته اند نقش بزرگی را در جنبه های مختلف زندگی و تصمیم گیری ها بعمل آورند در اینمیان، افراد برای تصمیم گیری مختلف همچون سرمایه گذاری و نوع سهام از شبکه های اجتماعی استفاده می کنند.در این مقاله برای پیش بینی حرکت ارزش سهام روشی مبتنی بر یادگیری عمیق طراحی و توسعه داده میشو د داده ها از شبکه یاجتماعی توییتر و یاهو مالی به مدت سه ماه، جمع آوری شده اند ابتدا برچسب گذاری داده های توییتر با اعمال تحلیل معنایی صورتمی گیر د و سپس با به کارگیری شبکه ی CNN ، طبقه بندی برچسب ها ارزیابی می شوند داده های ارزش بازار سهام همراه با شاخصاحساسات محاسبه شده و توسط حالت های مختلف مدل پیشنها دی LSTM برای پیش بینی روند حرکت ارزش بازار سهام، بررسیمی شوند نتایج حاکی از آن است که شاخص های احساسات و محاسبه دو معیار HLPCT و PCTchange در پیش بینی روند حرکتارزش بازار سهام با کمترین خطا تاثیرگذار بوده است نتایج مقایسه با روشهای قبلی نشان دهنده برتری روش پیشنهادی در میزانپیش بینی قیمت ها است.

کلیدواژه ها:

پیش بینی قیمت سهام ، بازار سهام ، شاخص احساسات ، توییتر ، یاهو مالی ، شبکه ی یادگیری عمیق

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IRANWEB08_017 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1458451/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
معمارزاده، سیده فائزه و خسروی فارسانی، هادی و جاودانی گندمانی، تقی،1401،ارائه یک روش مبتنی بر یادگیری عمیق جهت پیش بینی قیمت سهام،هشتمین کنفرانس بین المللی وب پژوهی،تهران،https://civilica.com/doc/1458451

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1401، معمارزاده، سیده فائزه؛ هادی خسروی فارسانی و تقی جاودانی گندمانی)
برای بار دوم به بعد: (1401، معمارزاده؛ خسروی فارسانی و جاودانی گندمانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 8,256
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی