پیشبینی قیمت سهام با استفاده از شبکه عصبی بازگشتی، واحد بازگشتی دروازه ای و حافظه کوتاه مدت ماندگار: بررسی شرکت ایران خودرو

پیشبینی دقیق قیمت سهام یکی از مهمترین اقدامات در بازارهای سرمایه است. سرمایه گذاران میتوانند با پیشبینی قیمت سهام زمانبندی بهتری برای ورود و خروج خود در بازار داشته باشند . این اقدام به آنها اجازه میدهد تا معاملات سودآورتری داشته باشند. در این مقاله به پیشبینی قیمت پایانی سهم در روز معاملاتی آینده برای شرکت ایران خودرو که با نماد "خودرو" در بورس تهران معامله میشود، پرداخته شده است. قیمت پایانی در قالب یک سری زمانی چند متغیره و بر اساس ویژگیهای قیمت و ویژگیهای فنی (تکنیکال) در پنج روز گذشته پیشبینی شده است. ویژگیهای قیمت شامل اولین قیمت، بالاترین قیمت، پایینترین قیمت، آخرین قیمت و قیمت پایانی و ویژگیهای فنی شامل حجم معاملات و شاخص قدرت نسبی است. پیشبینی قیمت با استفاده از الگوریتمهای شبکه عصبی بازگشتی، حافظه کوتاه مدت ماندگار و واحد بازگشتی دروازهای صورت گرفته است. این الگوریتمها جزء تکنیکهای مهم یادگیری عمیق در تحلیل داده های دنباله ای به خصوص پیشبینی سریهای زمانی میباشند. نتایج حاصل از پیشبینیهای این الگوریتمها با استفاده از شاخصهای RMSE و R۲ با هم مقایسه شدهاند. این کار بر اساس ۲۰۰ بار تکرار برای هر الگوریتم و با بهکارگیری روش تحلیل واریانس و آزمون ولچ و سپس مقایسه جفتی گیمز-هاول انجام شده است. نتایج بیانگر آن است که عملکرد الگوریتمهای واحد بازگشتی دروازهای و حافظه کوتاه مدت ماندگار، بر اساس هر دو شاخص ارزیابی تفاوت معناداری ندارند، ولی هر دوی آنها نسبت به شبکه عصبی بازگشتی بر اساس هر دو شاخص ارزیابی پیشبینی بهتری ارائه میدهند.

Keywords:

یادگیری عمیق , شبکه عصبی بازگشتی , حافظه کوتاه مدت ماندگار , واحد بازگشتی دروازهای , پیشبینی قیمت سهام , ایران خودرو.