سلیمه خنامانی فلاحتی پور - دانشجوی ارشد هوش مصنوعی دانشگاه شهید باهنر کرمان
علی اکبر نیک نفس - دانشیار گروه مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان

پیش بینی بازار بورس همیشه برای اقتصاددانان و محققین رشته کامپیوتر یک مسئله چالش برانگیز کلاسیک بوده است و روش های مختلفی برای پیش بینی بازارهای مالی استفاد شد است . لذا با هدف ساختن یک مدل پیش بینی موثر، ابزارهای هر دو روش خطی و یادگیری ماشین در دو دهه گذشته بررسی شده اند. در پژوهش حاضر با استفاد از روش استخراج الگو ، سری زمانی مالی بازسازی شد و سپس با استفاد از شبکه عصبی کانولوشن همراه با دو لایه کاملا متصل برای گرفتن همبستگی فضایی بین روندهای قبلی و فعلی، ویژگی های نهفته در توالی های سری زمانی استخراج شد و در نهایت از یک مدل مارکوف برای استخراج روندهای نهفته از درون ویژگی های استخراج شد و عمل یادگیری توالی های کلاس مثبت و منفی استفاده می شود . نتایج شبیه سازی نشان می دهد روش پیشنهادی نسب به روش های یادگیری ماشین مثل مدل پنهان مارکوف در حدود ۴%-۸% و نسب به روش مقاله پایه در حدود ۱%-۲% می باشد.

پیش بینی بازار بورس، یادگیری عمیق، شبکه عصبی کانولوشن، مدل پنهان مارکوف