بررسی رابطه بین یادگیری ماشین و یادگیری فعال در ارزیابی ریسک بازار سهام

هدف:در این پژوهش رابطه بین یادگیری ماشین و یادگیری فعال در روند ارزیابی ریسک بازار سهام و نتایج آن مورد بررسی و پژوهش قرار گرفت ،که بتوانیم یک مدل یادگیری ماشین موثر برای پیش بینی ریسک های شدید در بازار سهام ارائه دهیم. روش: به طور خاص، برای حل مشکلات توزیع نامتعادل داده ها و تغییر مفهوم، پارامترهای وزن کلاس و وزن زمان را معرفی کردیم تا الگوریتم AdaBoost را بهبود بخشیم. یافته ها:یافته های این پژوهش چارچوب یادگیری فعال را با انتقال از حاشیه نویسی دستی به حاشیه نویسی الگوریتمی بهبود بخشید. آزمایش ها بر روی شاخص سهام از سال ۲۰۰۵ تا ۲۰۲۲ نشان داد که مدل بهینه ما به طور قابل توجهی به ویژه برای موارد ریسک عملکرد طبقه بندی را بهبود داد. نتیجه گیری: با توجه به نتایج به دست آمده تمامی فرضیه های مورد بررسی مثبت و معنادار بوده اند. کارایی مقادیر وزن نمونه سفارشی، اهمیت استراتژی وزن چگالی و استحکام کلی چارچوب مورد بحث را تحت معیارهای مختلف تعریف ریسک و دوره های تاخیر ویژگی ها تایید کردیم. تحقیق ما برای پذیرش سیاست های کلان اقتصادی مناسب به منظور کاهش ریسک های نزولی اهمت دارد و ابزاری ارزشمند برای دستیابی به ثبات مالی فراهم می کند.

کلیدواژه ها:

ریسک مالی ، بازار سهام ، یادگیری ماشین ، یادگیری فعال