پیش بینی روند قیمت سهام با استفاده از ترکیب شبکه عصبی کانولوشن و شبکه عصبی حافظه کوتاه مدت در بازار بورس تهران
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
تاریخ نمایه سازی: 10 خرداد 1402
چکیده مقاله:
همواره سرمایه گذاران جهت کاهش ریسک معاملات خود و افزایش بازدهی سرمایه گذاری به دنبال روش هایی برای تصمیم گیری دررابطه با معاملات سهام هستند. در طول سالهای گذشته، کارشناسان مالی شاخص ها و تکنیک های مختلفی برای توسعه روش های هوشمند برای تصمیم گیری در مورد خرید، فروش یا عدم معامله یک سهم را طراحی کرده اند. هدف ما نیز در این پژوهش ارائهروشی جهت پیش بینی روند قیمت سهام می باشد تا به توان به وسیله آن ریسک سرمایه گذاری را کاهش داد. در این پژوهش ما با ترکیب شبکه عصبی پیچشی CNN و شبکه عصبی حافظه کوتاه مدت بلند مدت LSTM یک مدل پیش بینی داده های سری زمانی ایجاد کرده و نتایج به دست آمده از مدل ترکیبی شبکه عصبی CNN-LSTM، دقت آن به طور میانگین ۷۵.۵% بوده است که نشان از عمکلرد مطلوب آن دارد و همچنین با بررسی پارامترهای Recall و Precision با وجود دقت نسبتا بالای مدل بیش برازش در مدل رخ نداده است. در واقع نتایج پژوهش بیانگر آن است که این مدل توانسته تا حدودی زیادی در پیش بینی روند قیمت سهام خوب عمل کرده و همچنین بیش برازش در مدل رخ نمی دهد.
کلیدواژه ها:
نویسندگان
دانشجوی کارشناسی ارشد مهندسی صنایع گرایش سیستم های مالی، دانشگاه تربیت مدرس، تهران، ایران
استادیار دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران