بررسی مقایسه ای مدل یادگیری عمیق با طبقه بندی دوتایی و چندتایی جهت پیش بینی روند بازار سهام از طریق تشخیص الگوهای فراکتال مبتنی بر تئوری امواج الیوت
محل انتشار: فصلنامه اقتصاد مالی، دوره: 18، شماره: 66
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 78
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECJ-18-66_006
تاریخ نمایه سازی: 15 بهمن 1402
چکیده مقاله:
چکیده یکی از روشهای محبوب اما پیچیده در تحلیل تکنیکال، روش امواج الیوت است. در این روش مهمترین بخش، تشخیص الگوهای روند اصلی بازار است که با توجه به ساختار فراکتال بازار، کاری دشوار است. اما همانند سایر حوزهها، بکارگیری هوش مصنوعی در زمینهی پیشبینی های مالی نیز بسیار فراگیر شده است. لذا به نظر میرسد بکارگیری هوش مصنوعی در تحلیل به روش امواج الیوت، جذاب باشد. لذا در پژوهش حاضر با معرفی مدل یادگیری عمیق جهت پیشبینی بازار از طریق تشخیص الگوهای امواج الیوت، به بررسی و مقایسهی توان مدل در دو حالت طبقهبندی دوتایی و چندتایی پرداخته شده است. در این پژوهش برای ۱۵ الگوی مدنظر، تعداد ۱۰۰۲ نمونه از نمودارهای قیمت سهام شرکتهای حاضر در بورس ایران در دوره ۱۱ ساله ۱۳۹۰ تا ۱۴۰۰، جمعآوری و برچسبگذاری گردید و نهایتا برای تشخیص به عنوان ورودی به الگوریتم یادگیری عمیق با بکارگیری مدل شبکههای عصبی بازگشتی، در دو حالت طبقهبندی دوتایی و چندتایی وارد گردید. در این پژوهش جهت طراحی و اجرای مدل از نرم افزار RapidMiner ۹.۹ و جهت تعیین توان مدل از معیار صحت استفاده شد. نتایج حاصل نشان دهندهی صحت %۱۸ در تشخیص الگوها در حالت طبقهبندی چندتایی و صحت ۶۱% در حالت طبقهبندی دوتایی است. لذا توان مدل یادگیری عمیق در تشخیص الگوهای فراکتال امواج الیوت و در نتیجه پیشبینی روند بازار، در حالت طبقهبندی دوتایی به طور قابلتوجهی نسبت به حالت طبقهبندی چندتایی بالاتر است. بنابراین پژوهش حاضر بکارگیری مدل یادگیری عمیق با طبقهبندی دوتایی را جهت تشخیص الگوهای فراکتال امواج الیوت توصیه مینماید.
کلیدواژه ها:
واژه های کلیدی: الگوهای موجی ، فراکتال ، امواج الیوت ، یادگیری عمیق ، طبقه بندی دوتایی ، طبقه بندی چندتایی طبقه بندی JEL : G۱۷۰ ، M۳۱
نویسندگان
مسعود نادم
گروه حسابداری، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، ایران
یحیی کامیابی
گروه حسابداری، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، ایران
اسفندیار ملکیان
گروه حسابداری، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، 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 :