بررسی عملکرد مدل یادگیری عمیق BiLSTM در پیشبینی قیمت سهام شرکت اپل

پیش بینی قیمت سهام یکی از چالش برانگیزترین موضوعات در حوزه مالی است که توجه بسیاری از محققان را به خود جلب کرده است. یادگیری عمیق به عنوان یکی از ابزارهای مفید در این زمینه شناخته می شود و قابلیت های آن می تواند به بهبود دقت پیش بینی ها کمک کند. به همین علت، در این مطالعه از مدل حافظه بلند مدت و کوتاه مدت دوطرفه (BiLSTM) به عنوان یک تکنیک پیشرفته یادگیری عمیق برای پیش بینی قیمت های آینده سهام استفاده شده است. هدف اصلی این پژوهش شناسایی تاثیر تابع فعال سازی و روش بهینه سازی بر عملکرد مدل BiLSTM است. با انجام آزمایشات مختلف، نتایج نشان می دهد که ترکیب تابع فعال سازی ReLU و روش بهینه سازی Adam منجر به بهترین عملکرد در پیش بینی قیمت سهام شده است. یافته های این مطالعه می تواند به بهبود دقت پیش بینی در بازارهای مالی کمک کند و مبنای مناسبی برای تحقیقات آینده در این زمینه فراهم آورد.

کلیدواژه ها:

یادگیری عمیق ، پیش بینی قیمت سهام ، تحلیل داده های مالی ، مدل BiLSTM