پیش بینی قیمت جفت ارز در بازار فارکس با رویکرد شبکه عصبی بازگشتی همجوشی ویژگی های تکنیکال و بنیادی

در این پژوهش یک چارچوب یادگیری عمیق با دو ورودی برای پیش بینی قیمت بسته شدن روزانه جفت ارز EUR/USD ارائه می شود. در روش پیشنهادی ویژگی های بنیادی و تکنیکال به صورت همزمان اما در دو شاخه بازگشتی مستقل پردازش شده و سپس در یک لایه همجوشی ادغام می شوند تا وابستگی های زمانی و تعامل میان دو نوع سیگنال به صورت یکپارچه آموزش داده شود. داده ها با حفظ ترتیب زمانی پیش پردازش و به توالی های زمانی تبدیل شده و مدل ها در یک فرآیند آموزش و ارزیابی منسجم مقایسه می شوند. برای بررسی اثر نوع سلول بازگشتی، معماری مرجع مبتنی بر LSTM با نسخه متناظر مبتنی بر GRU تحت شرایط مشابه ارزیابی شد. نتایج کلی نشان می دهد چارچوب دوورودی با بهره گیری همزمان از اطلاعات بنیادی و تکنیکال توانایی مناسبی در یادگیری الگوهای زمانی دارد و نسخه مبتنی بر GRU در مقایسه با LSTM تعمیم پذیری و دقت پیش بینی بهتری از خود نشان می دهد.

کلیدواژه ها:

بازار فارکس ، EUR/USD ، پیش بینی ، سری زمانی ، مدل دوورودی ، LSTM ، GRU ، اندیکاتورهای تکنیکال ، شاخص های بنیادی