پیش بینی قیمت سهام پالایشگاه نفت تهران با استفاده از شبکه های عصبی بازگشتی با تنظیم ابرپارامتر

پیش بینی دقیق قیمت سهام یکی از چالش برانگیزترین اقدامات در بازارهای سرمایه است. سهام داران و سرمایه گذاران می توانند با پیش بینی قیمت سهام معاملات سودآورتری داشته باشند. در این مقاله به پیش بینی قیمت پایانی سهم شرکت پالایشگاه نفت تهران، در روز معاملاتی آینده پرداخته شده است. قیمت پایانی در قالب یک سری زمانی چند متغیره و بر اساس پنج ویژگی مربوط به قیمت و دو ویژگی فنی (تکنیکال) در پنج روز گذشته پیش بینی شده است. برای پیش بینی قیمت از الگوریتم های شبکه عصبی بازگشتی ساده (Simple RNN)، حافظه کوتاه مدت ماندگار (LSTM) و واحد بازگشتی دروازه ای (GRU) استفاده شده است. برای تنظیم ابرپارانترهای این الگوریتم ها از روش جستجوی تصادفی استفاده شده است. نتایج حاصل از پیش بینی های این الگوریتم ها با استفاده از شاخص های RMSE و R۲ با هم به صورت مقایسه شده اند. این کار با به کارگیری آزمون ولچ و سپس مقایسه جفتی گیمز-هاول و نیز آزمون لوون انجام شده است. مقایسه های آماری نشان می دهد که عملکرد الگوریتم های واحد بازگشتی دروازه ای و حافظه کوتاه مدت ماندگار، بر اساس میانگین و همچنین واریانس هر دو شاخص ارزیابی تفاوت آماری معناداری ندارند، ولی هر دوی آن ها نسبت به شبکه عصبی بازگشتی ساده و بر اساس هر دو شاخص، پیش بینی قیمت بهتری را فراهم می کنند.

کلیدواژه ها:

شبکه عصبی بازگشتی ، حافظه کوتاه مدت ماندگار ، واحد بازگشتی دروازه ای ، تنظیم ابرپارامتر ، پیش بینی قیمت سهام