|
Title
|
یک روش ترکیبی مبتنی بر یادگیری عمیق و تکنیک های آماری جهت پیش بینی سری های زمانی مالی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
سری زمانی مالی، مدل پیش بینی ترکیبی، یادگیری عمیق، شبکه عصبی بازگشتی، شبکه حافظه طولانی کوتاه مدت، روش های آماری، مدل پیشگو
|
|
Abstract
|
پیش بینی قیمت سهام از مهم ترین اهداف در علوم مالی و سرمایه گذاری می باشد. امروزه پیش بینی قیمت سهام بسیار چالش برانگیز و مورد علاقه سرمایه گذاران است. وضعیت کلی اقتصاد یک کشور توسط شاخص قیمت سهام نشان داده می شود. به طوری که افزایش این شاخص به معنای رونق و بهبود اوضاع اقتصادی و کاهش آن نشان دهنده بحران و رکود می باشد، لذا پیش بینی این شاخص می تواند در تصمیم گیری های سرمایه گذاران، صاحبان صنایع و حتی تحلیل گران بازار سرمایه و اقتصاد مفید واقع شود [1]. اکثر مشکلات اقتصاد کشورهای در حال پیشرفت توسعه نیافتن بخش مالی آن است، که پیش بینی مالی به دلیل دستیابی گسترده آن در سراسر جهان، یکی از مطلوب ترین حوزه های تحقیقاتی است [2]. عمده تحقیقات انجام شده در حوزه ی پیش بینی قیمت سهام را می توان به دو دسته اصلی طبقه بندی کرد: مدل های آماری و مدل های هوش مصنوعی، مدل های آماری به طور عمده براساس مفروضاتی مانند خطی بودن داده ها و بنا می شوند؛ حال آنکه این مفروضات رفتار حرکتی قیمت سهام را به درستی نشان نمی دهند. در بسیاری از مطالعات اخیر نشان داده شده است که مدل های هوش مصنوعی عملکرد بهتری نسبت به مدل های آماری دارند؛ از سویی دیگر برخی مطالعات که بر مدل های هوش مصنوعی تمرکز کرده اند، توانایی بالای مدل های شبکه عصبی را در پیش بینی قیمت سهام در حوزه بازار سرمایه نشان داده اند. در گذشته، تکنیک های مختلف یادگیری ماشین و رگرسیون برای تشخیص پیش بینی قیمت سهام استفاده شده است، اما آن ها قادر به دستیابی به نتایج قابل قبول نبوده اند. پیشرفت های پیش بینی سری زمانی مالی توانسته است مدل های سنتی را جهت پیش بینی دقیق تر ارتقا دهد [1, 2]. بنا بر مطالعات قبلی یکی از راه های معمول برای افزایش دقت پیش بینی سری زمانی، استفاده از مدل های ترکیبی است [3].
|
|
Researchers
|
(Student)، Hossein Abbasimehr (Primary Advisor)، Asgarali Bouyer (Advisor)
|