مروری بر روش های یادگیری عمیق برای پیش بینی بازارهای مالی

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,069

فایل این مقاله در 10 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:

COMCO05_099

تاریخ نمایه سازی: 24 شهریور 1398

چکیده مقاله:

پیش بینی بازار های مالی از اهمیت خاصی برای سرمایه گذاران برخوردار است تا از این طریق بیشترین سود را کسب کنند. تحقیق بر روی راهکار های منطقی و دقیق برای پیش بینی بازار های مالی پیشینه زیادی دارد. تکنیک های یادگیری عمیق شامل تحلیل ها و پیش بینی هایی می شود که می تواند به ما در کشف الگو های ناشناخته در میان داده ها کمک کند. در این مقاله به معرفی روش های یادگیری عمیق برای پیش بینی سری های زمانی مالی پرداختیم و با بررسی تحقیقات انجام شده در این زمینه، این روش ها را با یکدیگر مقایسه کردیم. نتایج بررسی های ما نشان می دهد که روش های یادگیری عمیق توانایی بالایی برای استخراج الگوهای پنهان در سری های زمانی مالی دارند و می توانند با دقت مناسبی حرکات آتی این بازارها را پیش بینی کنند. اگرچه شبکه های عصبی بازگشتی و کانولوشن هرکدام به تنهایی عملکرد قابل قبولی دارند ولی ترکیب آن ها می تواند کارایی پیش بینی را بهبود بخشد.

کلیدواژه ها:

نویسندگان

امین کریمی دستگردی

گروه کامپیوتر، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران

فرساد زمانی بروجنی

گروه کامپیوتر، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران