سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

روشی جهت پیش بینی قیمت سهام بازار بورس تهران مبتنی بر یادگیری عمیق

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 496

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-10-4_010

تاریخ نمایه سازی: 6 اسفند 1401

چکیده مقاله روشی جهت پیش بینی قیمت سهام بازار بورس تهران مبتنی بر یادگیری عمیق

در سال های اخیر با توجه به سوددهی بازار بورس اوراق بهادار در ایران سرمایه های خرد و کلان جذب این بازار شدند ، اما متاسفانه به دلیل دانش کم این افراد از بورس و پیش بینی قیمت ها تعداد فراوانی از مردم ایران ضرر و زیان زیادی را متحمل شدند . در این تحقیق بر آن شدیم تا با استناد به تحقیق قبلی خود که از شبکه عصبی با دولایه LSTM استفاده می کرد .کار خود را قوت بخشیده و شبکه عصبی ترکیبی کانولوشن وlstm را جهت پیش بینی قیمت سهام بر روی مجموعه دیتاست وب ملت از بازار بورس اوراق بهادار تهران و سه دیتاست موجود در آن شامل آث پ ،خودرو و وساخت به کار ببریم. در انتها جهت ارزیابی روش پیشنهادی و دو روش دیگر ازنظر سه تابع خطا ،تابع میانگین مربع خطا (MSE)، تابع میانگین خطای مطلق (MAE) و تابع میانگین مربع ریشه (RMSE) بررسی شد . نتایج حاصله نشان داد در دیتاست های بزرگ با تعداد داده های سهام بالا بسیار بهتر عمل کرده و خطای کمتری به دنبال دارد.

کلیدواژه های روشی جهت پیش بینی قیمت سهام بازار بورس تهران مبتنی بر یادگیری عمیق:

نویسندگان مقاله روشی جهت پیش بینی قیمت سهام بازار بورس تهران مبتنی بر یادگیری عمیق

طوبی ترابی پور

کارشناسی ارشد، دانشگاه پیام نور، تهران، ایران

سیده صفیه سیادت

استادیار، دانشگاه پیام نور، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
Ismaili, Z and Torabipour, T, “Providing a solution for stock ...
Seng J. and Yang H. “The association between stock price ...
Kim K. young-jae K. and Han I. “Genetic algorithms approach ...
Zarandi M. Rezaee B. and Turksen B. “A type-۲ fuzzy ...
JingTao Y. Chew Lim. and Liu N. “Guidelines for Financial ...
Kannan, S. Sekar, M. Sathik and Arumugam, P. “Financial stock ...
Yu T. Kuang H. and Huarng K. “A neural network-based ...
Cheng C. Chen T. and Wei L. “A hybrid model ...
Deng M. Shigan B. and Yeh T. “Using least squares ...
Patel J. Shah S. Thakkar P. and Kotecha K. “Predicting ...
Zhang, Z. Yuan and X.Shao. “A new combined cnn-rnn model ...
Kim Y. Young H. and Won C. “Forecasting the volatility ...
Jin Z. Yang Y. and Liu Y. “Stock closing price ...
Rajakumari k. Kalyan S. and Bhaskar M. “Forward Forecast of ...
Ferdiansyah, F. Kazuki, F. and Kazuhiro, S. “A LSTM-Method for ...
Hastie, Trevor. Tibshirani, Robert. Friedman, Jerome. “The Elements of Statistical ...
Bathla, G. Rani, R., & Aggarwal, H. “Stocks of year ...
Mehtab, S., & Sen, J. “Analysis and forecasting of financial ...
Asadi, P, Jibril J, & Majidnejad. “Identify peer-to-peer networks using ...
نمایش کامل مراجع