پیش بینی قیمت سهام برای معاملات روزانه با استفاده از LSTM بهبود یافته

امروزه مردم همیشه به دنبال راهی برای سرمایه گذاری هستند. بازار سهام یکی از مکان های اصلی سرمایه گذاری پول و سرمایه است . با توجه به اهمیت پیش بینی قیمت سهام برای معاملات روزانه ، برای افزایش سود، بهبود سیستم پیشبینی کننده از اهمیت بالایی برخوردار ا ست . از طرفی پیش بینی قیمت سهام بستگی به عوامل متعدد روانی ، اقتصادی و غیره دارد. دسترسی به اطلاعات درست و به موقع و تحلیل دقیق داده ها، ابزاری مهم برای اتخاذ تصمیم های درست و کسب سود بیشتر است . در این جا به دنبال یافتن رویکردی مناسب برای افزایش دقت و صحت پیش بینی هستیم . در این پژوهش از جنگل های تصادفی و شبکه های LSTM به عنوان روشهای آموزشی استفاده شده است . در این ساختار از LSTM برای اثربخشی آنها در پیش بینی حرکت های جهت دار خارج از نمونه سهام برای معاملات روزانه استفاده شده است . در رویکرد پیشنهادی در ابتدا ، دادههای خام به دورههای مطالعه تقسیم می گردد. سپس ویژگی ها معرفی می گردد. درمرحله بعد اهداف تنظیم شده و یادگیری ما شین به افزایش کارایی سی ستم کمک خواهد کرد تا ا ستراتژی معاملاتی منا سب به کار گرفته شود. نتایج تجربی ن شان می دهد که تنظیم چند ویژگی بازده روزانه ، با استفاده از ساختارهای LSTM و جنگل های تصادفی عملکرد سیستم را بهبود می بخشد.