ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود کارایی الگوریتم های یادگیری ماشین برداری ماشین برای سری های زمانی در بازارها مالی

سال انتشار: 1397
کد COI مقاله: SPIS04_003
زبان مقاله: فارسیمشاهد این مقاله: 272
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود کارایی الگوریتم های یادگیری ماشین برداری ماشین برای سری های زمانی در بازارها مالی

مریم دهقانی - دانشجوی کارشناسی ارشد، مهندسی نرم افزار، دانگشاه یزد، یزد
محمد قاسم زاده - دانشیار، گروه مهندسی کامپیوتر، دانشگاه یزد، یزد
محمدعلی زارع چاهوکی - استادیار، گروه مهندسی کامپیوتر، دانشگاه یزد، یزد

چکیده مقاله:

این پژوهش در رابطه با بررسی سودمندی مدل های مختلف یادگیری ماشین برای پیش بینی سری های زمانی در بازارهای مالی می باشد. چالش مورد توجه در این حوزه، این است که مدیران اقصتادی جامعه علمی، همچنان خواستار الگوریتم های پیش بینی با دقت بیشتری می باشند. رفع چالش یاد شده موحب ارتقای کیفیت پیش بینی به جهت آن، سودآوری بهره وری بالاتری می شود. در این پژوهش نشان می دهیم که چگونه می توان با بهره بردن از تحلیل فنی سری های زمانی مالی موجود در داده های بازار بورس، ضمن دسترسی به موثرترین ویژگی ها، به نتایج ارزشمند دست یافت. راه حل پیشنهادی، تکیه بر بکارگیری الگوریتم های یادگیری ماشین مبتنی بر رگرسیون، با تاکید بر روش انتخاب ویژگی پیشرو، جهت یافتن متغیرهای فنی ورودی دارد. موارد یاد شده، با بکارگیری ابزارهای یادگیری ماشین به زبان Python پیاده سازی گردیدند. داده های تحقیق که در این پژوهش بکار گرفته شدند، اطلاعات مربوط به سهام دو شرکت از بورس تهران می باشند. این داده ها مربوط به سال های 1387 تا ابتدای سال 1397 می باشند. نتایج آزمایشی نشان می دهند که ویژگی های فنی منتخب توسط روش پیشرو، موثرترین نیز بترین مقادیر برای پارامترهای الگوریتم های یادگیری موردنظر را می یابند. بکارگیری این مقادیر، منجر به پیش بینی های با حداقل میزان خطا برای داده های سهام می شود.

کلیدواژه ها:

پیش بینی، سری های زمانی، یادگیری ماشین، بازارهای مالی، بازار سهام

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/842918/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
دهقانی، مریم و قاسم زاده، محمد و زارع چاهوکی، محمدعلی،1397،بهبود کارایی الگوریتم های یادگیری ماشین برداری ماشین برای سری های زمانی در بازارها مالی،چهارمین کنفرانس پردازش سیگنال و سیستم‌های هوشمند،تهران،،،https://civilica.com/doc/842918

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، دهقانی، مریم؛ محمد قاسم زاده و محمدعلی زارع چاهوکی)
برای بار دوم به بعد: (1397، دهقانی؛ قاسم زاده و زارع چاهوکی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی