فاطمه نظریه - گروه مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

سرمایه گذاری در بازار سهام اهمیت بالایی در بین سرمایه گذاران پیدا کرده است و سرمایه گذار ی موفق بدون داشتن برنامه ریزی و اطلاع از نحوه تغییر قیمت ها امکانپذیر نمی باشد. باتوجه به ماهیت غیرخطی و نوسانات متداول داده های مالی، روش های کلاسیک و آماری عمدتا دارای عملکرد ضعیف در پیش بینی این دسته از داده ها می باشند. از اینرو در این تحقیق، مدلی بر پایه روش تجزیه سیگنال و یادگیری عمیق به نام EMD-SAE ارائه گردیده است. روش پیشنهادی بر مبنای روش تجزیه مد تجربی و روش خود رمزنگار پشته ای توسعه یافته و از الگوریتم خفاش جهت انتخاب پارامترهای مدل استفاده گردیده است. از سهام نفت پارس و سهام معادن و فلزات برای سنجش عملکرد مدل و ارزیابی دقت پیش بینی استفاده می گردد. در این پژوهش، اثر تجزیه سیگنال بر دقت پیش بینی سری زمانی مالی ارزیابی گشته و برتری روش تلفیقی پیشنهاد شده از طریق مقایسه با روش های مبتنی بر یادگیری ماشین EMD-AdaBoost و EMD-SVR تحقیق می گردد. نتایج آماری حاکی از عملکرد بهتر روش ارائه شده می باشد.

الگوریتم بهینه سازی خفاش، پیش بینی قیمت سهام، تجزیه مد تجربی، یادگیری عمیق