پیش بینی نوسانات قیمت سهام در بورس تهران با استفاده از اخبار روزانه با بهره گیری از شبکه توجه سلسله مراتبی تقویت شده با BERT

با توجه به نقش مهم بازار سهام در اقتصاد جهانی، همواره نیاز به روش هایی دقیق تر برای پیش بینی رفتار آن احساس می شود. یکی از چالش های اصلی در این حوزه، نحوه استفاده موثر از اخبار در پیش بینی روند بازار است. در این پژوهش، یک مکانیزم توجه سلسله مراتبی جدید معرفی شده که هدف آن بهبود عملکرد مدل های پیش بینی بازار سهام است. ایده اصلی این رویکرد بر این فرض استوار است که همه بخش های یک خبر و هم چنین همه اخبار منتشرشده در یک روز معاملاتی، تاثیر یکسانی در شکل گیری روند بازار ندارند.بر همین اساس، در این مقاله مدلی مبتنی بر شبکه توجه سلسله مراتبی همراه با BERT با نام HAN+BERT ارائه می شود که ساختار سلسله مراتبی اخبار را در نظر گرفته و به هر خبر متناسب با میزان اهمیت آن در پیش بینی بازار وزن اختصاص می دهد. این مدل قادر است در هر روز معاملاتی، تاثیرگذارترین اخبار را شناسایی کرده و در متن هر خبر نیز مهم ترین جملات و واژگان را استخراج کند. برای دستیابی به این هدف، از مکانیزم توجه درسه سطح واژه، جمله و خبر استفاده شده است.به کارگیری BERT به عنوان روش تعبیه سازی واژگان باعث شده مدل بتواند معنا و زمینه ی مفهومی اخبار را با دقت بیشتری درک کند و در نتیجه عملکرد بهتری در پیش بینی روند بازار سهام ارائه دهد. نتایج آزمایش های انجام شده بر روی مجموعه ای از اخبار مالی فارسی نشان می دهد که مدل پیشنهادی HAN+BERT در مقایسه با روش های مرجع، دقت بالاتری داشته و بهبود محسوسی در پیش بینی تغییرات بازار ایجاد می کند.

کلیدواژه ها:

مدل های یادگیری عمیق ، پیش بینی بازار سهام ، مکانیزم توجه ، شبکه توجه سلسله مراتبی ، تعبیه سازی مبتنی بر BERT