روشهای استخراج ویژگی و طبقه بندی برای پیش بینی روند سهام بورس

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 708

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:

CEPS06_120

تاریخ نمایه سازی: 9 اردیبهشت 1399

چکیده مقاله:

امروزه بورس به کانال مهمی برای جمع آوری بودجه سرمایه گذاران تبدیل شده است. بورس اوراق بهادار به عنوان معیار سنجش فعالیت های اقتصادی و مالی در یک کشور یا منطقه در نظر گرفته می شود. پیش بینی حرکت قیمت سهام یکی از چالش برانگیزترین کارها در دنیای مالی است. مطالعه پیش بینی های سهام می تواند سرمایه گذاران را به سمت سرمایه گذاری های مفید راهنمایی کند. پیش بینی سهام، نه تنها برای سودآوری افراد، بلکه در توسعه اقتصاد ملی نیز نقش دارد. از آنجا که بورس اوراق بهادار ماهیتی پویا، پیچیده، غیرخطی، غیرپارامتری دارد، پیش بینی دقیق قیمت متغیر سهام برای توسعه استراتژی تجارت بسیار مهم است. محققان مختلف در پیش بینی بازارهای سهام از روش های مختلفی استفاده نموده اند. در این روشها، استخراج ویژگی و طبقه بندی بخشهای اصلی را تشکیل می دهند. در این مقاله روشهای استخراج ویژگی در چهار گونه و روشهای طبقه بندی استفاده شده برای پیشبینی سهام بورس در پژوهش های مختلف با استفاده از هوش مصنوعی و ریاضیات مورد بررسی و تحلیل قرار گرفته اند. نتایج نشان می دهد که به دلیل ماهیت غیرخطی، شبکه های عصبی،که ویژگیهای آنها با روشهای تلفیقی بدست آمده اند، بیشترین کارایی را در پیش بینی ها دارد.

نویسندگان

گلشید رنجبران

گروه کامپیوتر، دانشکده برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

محمدشهرام معین

دانشیار پژوهشکده فناوری اطلاعات، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایران