ناصر خنجری - دانشگاه روزبه زنجان، دانشکده برق و کامپیوتر
سید پیمان عمادی - دانشگاه روزبه زنجان، دانشکده برق و کامپیوتر
فتانه سعادتی - دانشگاه روزبه زنجان، دانشکده برق و کامپیوتر

به منظور مطالعه استفاده از یادگیری عمیق برای پردازش داده های مالی، پیشنهاد می شود که می توان از فناوری مرتبط با شبکه عصبی و یادگیری عمیق برای داده های مالی استفاده کرد و از شاخص واقعی سهام و داده های آتی برای بررسی تاثیر کاربرد شبکه عصبی و یادگیری عمیق استفاده کرد. درابتدا نظریه و مدل یادگیری عمیق و شبکه عصبی با جزئیات معرفی می شوند. سپس از یک شبکه عصبی ساده و مدل یادگیری عمیق در شاخص سهام و پیش بینی قیمت آتی استفاده می شود. داده های استفاده شده در داده های ورودی به مدل شامل قیمت یک سهام در معامله جاری و برخی شاخص های داده ای و قیمت بسته شدن یک سهام در زمان بعدی می شود. کاهش قیمت در خروجی منعکس خواهد شد. اگر خروجی برای 1 بالا و برای صفر پایین باشد، داده های جدید پس از راه اندازی مدل وارد خواهند شد. نهایتا" جهت قضاوت روی تاثیر کاربرد مدل، می توان پس از مقایسه و تحلیل تاثیر کاربرد مدل، داده های خروجی را با داده های واقعی مقایسه کرد. نتایج نشان می دهند که تحقیق انجام شده در این مطالعه می تواند به سرمایه گذاران کمک کند تا یک مدل سرمایه گذاری خودکار و راهبرد سرمایه گذاری در بازار سهام بسازند. از این سازه می توان برای ارجاع جهت بهبود راهبرد سرمایه گذاری سرمایه گذاران و نرخ بازگشت استفاده کرد.

یادگیری عمیق ، سرمایه گذاری در بازار بورس ، شبکه عصبی ، سرمایه گذاری مالی