بررسی عملکرد روشهای یادگیری عمیق در پیش بینی قیمت سهام

همواره سرمایه گذاران جهت کاهش ریسک معاملات خود و افزایش بازدهی سرمایه گذاری به دنبال روشهایی برای تصمیم گیری در رابطه با معاملات سهام هستند. دستیابی به مدلهای دقیق بازار سهام می تواند ابزارهایی را در اختیار سرمایه گذاران قرار دهد تا تصمیم های مبتنی بر پایگاه دادههای بهتری اتخاذ کنند. این مدلها می توانند به معامله گران در کاهش ریسک سرمایه گذاری و انتخاب سودآورترین سهام کمک کنند. در این پژوهش به بررسی تکنیک ها و روشهای یادگیری عمیق که جهت پیش بین یو بررسی روند قیمت سهام استفاده شدهاست پرداخته خواهد شد. این روشها که عبارتند از CNN، LSTM، DNN و RNN که به تفکیک مورد بررسی و ارزیابی قرارگرفت . نتایج به دست آمده نشان می دهد این مدلها هر کدام معایب و مزیت های مختص به خود را داشته اما به طور کلی توانسته اند عمکلرد خوبی را از خود نشان دهند. همچنین پژوهشگران در سالهای اخیر در تلاش بودند تا مدلهای خود را از حالت سنتی خود خارج کرده و با ترکیب روشهای مختلف بتوانند از مزایای هر دو شبکه عصبی استفاده کرده و عمکلرد مدل خود را بهبود بخشند.

کلیدواژه ها:

پیش بینی سهام ، یادکیری عمیق ، مدل سازی مالی ، شبکه عصبی بازگشتی ، شبکه عصبی پیچشی