به کارگیری وبکاوی در پیش بینی جهت قیمت سهام گروه محصولات شیمیایی در بورس اوراق بهادار

پیش بینی بازارها از جمله سهام به دلیل حجم بالای معاملات و نقدینگی برای محققان و سرمایه گذاران دارای جذابیت بوده است.ف توانایی پیش بینی جهت قیمت ما را قادر می سازد با کاهش ریسک و اجتناب از ضرر و زیان مالی، به بازده بالاتری دست یابیم. اخبار نقش مهمی در فرایند ارزیابی قیمت فعلی سهام دارد. توسعه روش های داده کاوی، هوش محاسباتی و الگوریتم های یادگیری ماشین سبب ایجاد مدل های جدیدی در پیش بینی شده اند. هدف از این پژوهش ذخیره سازی اخبار خبرگراها و استفاده از روش های متن کاوی و الگوریتم ماشین بردار پشیبان به منظور پیش بینی جهت قیمت روز آینده سهم است. بدین منظور خبرها منتشر شده در ۱۷ خبرگزاری با استفاده از یک خزشگر موضوعی به زبان پی اچ پی ذخیره و دسته بندی شده است. سپس با استفاده از روش های متن کاوی و الگوریتم ماشین بردار پشتبان و کرنل های مختلف به پیش بینی جهت قیمت سهام گروه محصولات شیمیایی در بورس اوراق بهادار پرداخته می شود. در این مطالعه از ۳۰۰ هزار خبر در دسته های سیاسی، و اقتصادی و قیمت های سهام گروه محصولات شیمیایی در بورس اوراق بهادار پرداخته می شود. در این مطالعه از ۳۰۰ هزار خبر در دسته های سیاسی و اقتصادی و قیمت های سهام ۲۵ شرکت منتخب دربازه زمانی آبان تا اسفند ۹۷ در ۱۲۲ روز معاملاتی استفاده شده است. نتایج نشان می دهد با مدل ماشین بردار پشتیبان با کرنل خطی می توان به صورت میانگین ۸۳ درصد جهت قیمت ها را پیش بینی کرد. با استفاده از کرنل های غیرخطی و معادله درجه ۲ ماشین بردار پشتیبان صحت پیش بینی به صورت میانگین تا ۸۵ درصد افزایش می یابد و سایر کرنل ها نتایج ضعیف تری از خود نشان میدهند.