بررسی عملکرد الگوریتم های رگرسیون خطی و درخت تصمیم در پیش بینی داده های قیمت بورس و مسکن و مقایسه آن با عملکرد شبکه عصبی

پیش بینی وتخمین به موقع قیمت بازار های سرمایه ، می تواند سرمایه گذاران را برای تصمیم گیری های بهتر یاری نماید. در سال های اخیر استفاده از تکنیک های یادگیری ماشین ، کاربرد موفقیت آمیزی در مسائل پیش بینی و تخمین قیمت داشته است. در این تحقیق با استفاده از روش های یادگیری ماشین به پیش بینی در دو بازار سرمایه پرداخته ایم یکی سهام بازار بورس ایران و دیگری پیش بینی قیمت در بازار مسکن. در مورد پیش بینی قیمت سهام بورس ایران، از مدل های رگرسیون خطی ، درخت تصمیم و شبکه عصبی بازگشتی حافظه دار (LSTM) استفاده نموده ایم. در این تحقیق با استفاده از مدل رگرسیون خطی ، درخت تصمیم و شبکه عصبی بازگشتی حافظه دار (LSTM) پیش بینی قیمت سهام بورس تهران را مورد بررسی قرار می دهیم و نتایج پیش بینی را با هم مقایسه می کنیم. همچنین جهت تخمین قیمت مسکن از الگوریتم های ذکر شده و شبکه عصبی FFNN استفاده می نماییم. لازم به ذکر است که جهت پیش بینی بازار سهام از داده های شرکت های بورس تهران استفاده نموده و داده های یک سهم را طی سال های ۹۵ الی ۱۴۰۲ انتخاب می کنیم و برای تخمین قیمت مسکن از داده های قیمت خانه های تهران که از سایت kaggle پیدا کرده ایم استفاده می کنیم . در نهایت برای مقایسه کارایی الگوریتم های مختلف مطرح شده معیارهایR۲ و RMSE را به کار می بریم. نتایج ارزیابی حاکی از برتری مدل شبکه عصبی LSTM نسبت به مدل های رگرسیون خطی و رگرسیون درخت تصمیم در پیش بینی روند سهم، نتایج حاکی از برتری مدل شبکه عصبی LSTM نسبت به مدل های رگرسیون خطی و درخت تصمیم می باشد. همچنین در تخمین قیمت مسکن مدل شبکه عصبی FFNN نسبت به مدل های رگرسیون خطی و درخت تصمیم کارایی بالاتری را نشان می دهد.

کلیدواژه ها:

پیش بینی قیمت سهام ، درخت تصمیم ، رگرسیون خطی ، شبکه عصبی مصنوعی