بهبود پیشبینی قیمت در بازارهای مالی با استفاده از ترکیب مدل های عمیق و سیستم تشخیص خطا

پیشبینی ارزش دارایی ها در بازارهای مالی، همواره یکی از دغدغههای اصلی سرمایه گذاران، تحلیلگران و پژوهشگران اقتصادی بوده است. در این پژوهش، سه مدل یادگیری عمیق به منظور پیش بینی کندل بعدی بر پایه اطلاعات پنج کندل قبلی طراحی و پیاده سازی شده اند. هر یک از این مدل ها به طور اختصاصی وظیفه پیش بینی یکی از مولفه های کلیدی قیمت شامل بالاترین، پایین ترین و قیمت بسته شدن را بر عهده دارند. مدل ها پس از آموزش، برای پیش بینی کندل بعدی به کار گرفته شدند و خروجی آن ها مورد مقایسه قرار گرفت. در ادامه، سیستمی برای شناسایی خطاهای قابل توجه تعریف شد؛ به گونه ای که اگر اختلاف بی ن خروجی مدل ها از حدود مشخصی فراتر رود —مانند زمانی که مقدار پیشبینی شده برای قیمت بالا به طور غیرمنطقی کمتر از قیمت پایین یا قیمت بسته شدن بسیار بالاتر از قیمت بالا باشد—به عنوان خطا شناسایی می شود. یافته ها نشان می دهد که این رویکرد ترکیبی نه تنها دقت پیش بینی را افزایش می دهد، بلکه امکان شناسایی خودکار خطاهای غیرمنطقی در خروجی مدل ها را نیز فراهم می سازد. این ویژگی می تواند گامی موثر در جهت افزایش قابلیت اعتماد به مدل های هوشمند در تحلیل بازارهای مالی باشد.

کلیدواژه ها:

پیشبینی قیمت کندل ، مدل های یادگیری عمیق ، تشخیص خطا ، مقایسه مدلها ، بازارهای مالی