روشی جهت پیش بینی قیمت سهام بازار بورس تهران مبتنی بر یادگیری عمیق

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 385

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-10-4_010

تاریخ نمایه سازی: 6 اسفند 1401

چکیده مقاله:

در سال های اخیر با توجه به سوددهی بازار بورس اوراق بهادار در ایران سرمایه های خرد و کلان جذب این بازار شدند ، اما متاسفانه به دلیل دانش کم این افراد از بورس و پیش بینی قیمت ها تعداد فراوانی از مردم ایران ضرر و زیان زیادی را متحمل شدند . در این تحقیق بر آن شدیم تا با استناد به تحقیق قبلی خود که از شبکه عصبی با دولایه LSTM استفاده می کرد .کار خود را قوت بخشیده و شبکه عصبی ترکیبی کانولوشن وlstm را جهت پیش بینی قیمت سهام بر روی مجموعه دیتاست وب ملت از بازار بورس اوراق بهادار تهران و سه دیتاست موجود در آن شامل آث پ ،خودرو و وساخت به کار ببریم. در انتها جهت ارزیابی روش پیشنهادی و دو روش دیگر ازنظر سه تابع خطا ،تابع میانگین مربع خطا (MSE)، تابع میانگین خطای مطلق (MAE) و تابع میانگین مربع ریشه (RMSE) بررسی شد . نتایج حاصله نشان داد در دیتاست های بزرگ با تعداد داده های سهام بالا بسیار بهتر عمل کرده و خطای کمتری به دنبال دارد.

نویسندگان

طوبی ترابی پور

کارشناسی ارشد، دانشگاه پیام نور، تهران، ایران

سیده صفیه سیادت

استادیار، دانشگاه پیام نور، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ismaili, Z and Torabipour, T, “Providing a solution for stock ...
  • Seng J. and Yang H. “The association between stock price ...
  • Kim K. young-jae K. and Han I. “Genetic algorithms approach ...
  • Zarandi M. Rezaee B. and Turksen B. “A type-۲ fuzzy ...
  • JingTao Y. Chew Lim. and Liu N. “Guidelines for Financial ...
  • Kannan, S. Sekar, M. Sathik and Arumugam, P. “Financial stock ...
  • Yu T. Kuang H. and Huarng K. “A neural network-based ...
  • Cheng C. Chen T. and Wei L. “A hybrid model ...
  • Deng M. Shigan B. and Yeh T. “Using least squares ...
  • Patel J. Shah S. Thakkar P. and Kotecha K. “Predicting ...
  • Zhang, Z. Yuan and X.Shao. “A new combined cnn-rnn model ...
  • Kim Y. Young H. and Won C. “Forecasting the volatility ...
  • Jin Z. Yang Y. and Liu Y. “Stock closing price ...
  • Rajakumari k. Kalyan S. and Bhaskar M. “Forward Forecast of ...
  • Ferdiansyah, F. Kazuki, F. and Kazuhiro, S. “A LSTM-Method for ...
  • Hastie, Trevor. Tibshirani, Robert. Friedman, Jerome. “The Elements of Statistical ...
  • Bathla, G. Rani, R., & Aggarwal, H. “Stocks of year ...
  • Mehtab, S., & Sen, J. “Analysis and forecasting of financial ...
  • Asadi, P, Jibril J, & Majidnejad. “Identify peer-to-peer networks using ...
  • نمایش کامل مراجع