مصورسازی دادههای بازار سهام با شبکه ی عصبی نگاشت خودسازمانده

مصورسازی اطلاعات یکی از حوزههای علوم رایانه است که با نوآوری در ارایهی مقادیر عظیم اطلاعات ارتباط دارد ودارای استعداد زیادی برای استخراج دانش از داده است. بازار سهام، یکی از مواردی است که دادههای بسیار زیادی دارد و این دادهها، با گذر زمان، بهطور مرتب در حال تغییر هستند. پیدا کردن الگوهای مفید در دادههای بازار سهام، نیازمندمهارت تحلیلی بالا و تلاش بسیار زیادی است. برای تحلیل آسانتر، یکی از ابزارهایی که میتواند بسیار کمککننده باشد، استفاده از شبکههای عصبی است. در میان شبکههای عصبی، الگوریتم یادگیری بدون نظارت که نگاشت خودسازماندهنامیده میشود، میتواند برای کاهش بعد دادهها به کار رود. درواقع، با کمک این الگوریتم میتوان دادههای با ابعاد بالا را بهدادههای دوبعدی تبدیل کرد و سپس با خوشهبندی دادههای دوبعدی به تحلیل آسانتر دادهها پرداخت. در این پژوهش، ابتدا چهل شرکت مختلف، بر اساس هشت ویژگی مالی معین، با کمک الگوریتم خودسازمانده خوشهبندی شدند. سپسU این خوشهبندی بر اساس هر یک از ویژگیها بهطور جداگانه انجام شد. نتایج حاصل از مصورسازی دادهها با ماتریس نشان داد که شرکتهایی که در تعداد بیشتری از ویژگیها به یکدیگر شباهت داشتند، در خوشهبندی کلی نیز در خوشههای یکسان قرار گرفتند و الگوریتم SOMنتایج صحیح و منطقی را ارایه کرد که طبق این نتایج، مدیران و سرمایهگذاران شرکتها با صرف زمان کمتر و شیوهای آسانتر میتوانند شرکتهای دیگر را برای ایجاد روابط تجاری مابین خودشان و یا برای رقابت در بازار شناسایی کنند

کلیدواژه ها:

شبکههای عصبی ، نگاشت خودسازمانده ، مصورسازی ، بازار سهام