ابوالفضل روحی - کارشناسی ارشد مهندسی صنایع گرایش مهندسی مالی، دانشگاه تربیت مدرس

پیش بینی بازار سهام از دیرباز با استفاده از روش های سنتی و با تحلیل جنبه های بنیادی و تکنیکال انجام می شود. با یادگیری ماشین، پیش بینی های بازار سهام در دسترس تر و دقیق تر می شوند. رویکردهای یادگیری ماشین مختلفی در پیش بینی بازار سهام به کار گرفته شده است. هدف این مطالعه بررسی آثار مرتبط در مورد رویکردهای یادگیری ماشین در پیش بینی بازار سهام است. برای دستیابی به این هدف، مروری بر ادبیات پژوهش های صورت گرفته انجام می شود. در این پژوهش روش های یادگیری ماشین مانند جنگل تصادفی، درخت تصمیم، KNN، SVM و برخی روش های آماری مانند رگرسیون خطی و مدل بیز پرداخته می شود. نتایج بیانگر این موضوع بوده است که به طور کلی عملکرد روش های یادگیری ماشین مطلوب بوده است اما روش هایی مانند SVM و KNN عمکلرد مطلوب تری را از خود نشان داده و قابلیت بیشتری در پیش بینی داده های سری زمانی دارا می باشند. همچنین تلاش شده تا در کنار استفاده از داده های تاریخچه قیمتی سهام از داده های خبری و اخبار نیز استفاده گردد.

پیش بینی قیمت سهام، یادگیری ماشین، ماشین بردار پشتیبان، درخت تصمیم